OpenAI a descris pe 19 noiembrie 2026 cum folosește agenți Codex pentru a investiga și remedia regresiile de performanță din ChatGPT. Sistemul intern, numit Performance Factory, deschide o lucrare la declanșarea unei alerte și păstrează în ea diagnosticul, dovezile și corecția propusă. Un inginer examinează modificarea și decide ce ajunge în producție. După implementare, sistemul trimite un agent să măsoare dacă serviciul a revenit la nivelul anterior de performanță.

În acest context, o regresie este o deteriorare a unui indicator pentru un serviciu care funcționa anterior la un anumit nivel. Unul dintre exemplele OpenAI este latența primului token, adică intervalul până când începe să sosească răspunsul. Compania explică faptul că monitorizarea și instrumentele de profilare existau înaintea automatizării. Agenții preiau o parte din investigația făcută anterior cu acele instrumente și consemnează rezultatele pentru următoarea persoană sau sesiune care preia lucrarea.

Mâini pe tastatura unui laptop care afișează cod lângă două monitoare
Christina Morillo

Corecția propusă trece printr-o decizie umană

Performanța din producție rămâne reperul final. Când diagnosticul este acceptat, o sesiune Codex pregătește o modificare a codului și deschide un pull request pentru revizie. Inginerul poate ajusta propunerea, poate folosi explicația ca să scrie altă corecție și decide dacă modificarea intră în cod. Raportul atașat lucrării reunește impactul, cauza propusă și măsurătorile, cu grafice și trasee de execuție acolo unde susțin constatarea.

Un comentariu la modificarea propusă poate face ca lucrarea să fie repartizată din nou unui agent. Finalizarea implementării declanșează o etapă diferită. Agentul verifică indicatorii din producție pentru a compara performanța după schimbare cu valoarea de referință. OpenAI descrie trei situații. Dacă performanța revine, lucrarea se închide. O revenire parțială deschide o lucrare nouă pentru problema rămasă. În lipsa unei îmbunătățiri, constatarea se păstrează și investigația inițială este reluată.

Ce se întâmplă după implementarea unei corecții
Rezultatul măsurării Acțiunea descrisă de OpenAI
Revenire la referință Agentul marchează lucrarea ca rezolvată.
Revenire parțială Lucrarea inițială se închide. Încetinirea rămasă primește o lucrare separată.
Fără îmbunătățire Agentul salvează constatarea și trimite lucrarea înapoi la investigație.

Diagnosticul compară cereri similare și momentul schimbărilor

O alertă arată când un indicator trece de un prag. Echipa OpenAI explică faptul că degradarea poate începe mai devreme. Agentul caută în măsurătorile anterioare punctul în care s-a schimbat comportamentul și separă cererile în grupuri comparabile. Într-o situație, cereri de același tip răspund mai lent. În alta, serviciul primește o proporție mai mare de cereri care erau deja lente. Cele două explicații conduc la piste diferite în investigație.

După delimitarea intervalului și a grupurilor afectate, agentul examinează lansările de cod și schimbările în configurarea funcțiilor. Jurnalele și traseele distribuției cererilor ajută la verificarea momentului în care schimbarea a ajuns la utilizatorii afectați. OpenAI a introdus apoi o revizie în care o sesiune separată încearcă să infirme diagnosticul. Evaluatorul poate compara cererile expuse cu unele asemănătoare și poate căuta ce s-a întâmplat cu indicatorul atunci când modificarea suspectată a fost retrasă.

Într-un incident relatat de OpenAI, agentul de investigație a legat problemele din conversațiile ChatGPT de erori la descărcarea imaginilor. Agentul care verifica diagnosticul a observat că serviciul intern de localizare a fișierelor își revenise, în timp ce solicitările de imagini continuau să eșueze. Această diferență a infirmat explicația pentru erorile rămase. Agentul a redeschis investigația și a indicat ce mai trebuia stabilit.

Grafice tipărite, un laptop și o cană pe un birou de lucru
Gustavo Fring

Starea incidentului se păstrează între sesiuni

În sistemul descris, fluxurile au stări și tranziții definite de ingineri. Un serviciu urmărește lucrările și păstrează constatările, iar mecanismul de repartizare pornește o rundă de lucru Codex când pasul curent este pregătit. Stocarea stării în afara conversației unui agent permite ca lucrarea să treacă de la investigație la revizie și să fie preluată ulterior de alt agent ori de un inginer, cu aceleași dovezi.

Execuția se face printr-un API intern, într-un mediu cloud din rețeaua OpenAI. Accesul la depozitele de cod, jurnale, indicatori, trasee și profiluri de CPU ori memorie se face printr-o identitate de serviciu. Compania folosește această identitate pentru a delimita permisiunile și a identifica acțiunile agenților. Atunci când lucrarea așteaptă un comentariu de revizie sau o implementare, coordonatorul urmărește evenimentul care o face din nou disponibilă pentru repartizare.

OpenAI descrie și diferența dintre o corecție locală și o alegere de arhitectură. De exemplu, un cache poate reduce timpul de răspuns prin reutilizarea unui rezultat, dar poate și întârzia afișarea unor date schimbate între timp. Comparația include atât viteza, cât și actualitatea datelor. În astfel de situații, inginerul care cunoaște serviciul poate stabili ce compromis este acceptabil înainte de integrarea modificării.

Investigațiile și diagnosticele au măsurători separate

OpenAI raportează peste 1.700 de investigații urmărite în puțin peste trei luni și cauze identificate în peste 600 de cazuri. Compania descrie acest ritm ca aproximativ 17 investigații automatizate pe zi. Într-o evaluare separată, inginerii au analizat manual 100 de propuneri de cauză principală și au considerat corecte 70% dintre ele. Restul de 30% aveau nevoie de rafinare sau nu stabileau suficient relația cauzală, potrivit evaluării OpenAI.

Compania testează separat calitatea diagnosticului și utilitatea raportului predat inginerului. În testele retrospective, o sesiune pornește din semnalul inițial al unui incident real, pregătit pentru a evita dezvăluirea răspunsului. Echipa verifică distinct dacă agentul a localizat începutul degradării, dacă a identificat cererile afectate și cum a folosit dovezile pentru a ordona cauzele posibile. Rapoartele sunt evaluate după claritatea impactului, păstrarea graficelor relevante și justificarea pasului propus.

Volumul de investigații a adus o altă sarcină de coordonare. Un incident poate apărea în mai multe alerte, iar sistemul grupează înregistrările asociate și le ordonează după impactul estimat. OpenAI spune că un agent examinează zilnic și execuțiile recente pentru erori de instrumente sau de acces. Când aceeași problemă întrerupe mai multe investigații, fluxul creează o lucrare pentru remedierea instrumentului, cu revizia modificării păstrată la ingineri.