Codex配额骤降主因查明：三项内部机制被曝存在冗余开销

OpenAI团队在深入排查后确认，Codex服务近期出现的额度快速消耗现象，主要归因于三个未被充分预估的系统性损耗点。负责人Tibo Sottiaux指出，这些因素此前未被纳入常规监控体系。

超长对话中的上下文压缩机制效率不足

当用户发起包含大量图片与多轮交互的复杂任务时，Codex依赖的自动上下文压缩流程频繁触发，导致重复处理旧数据，形成显著的计算冗余。该机制本意是维持长期任务的上下文容量，但在高密度图像输入场景下表现欠佳。

新功能Computer History引发意外高负载

上线不久的Computer History功能允许将Mac端选定应用及网页操作记录同步至ChatGPT与Codex环境。由于其在部分高频使用场景中持续调用底层模型，已造成超出预期的资源占用，成为额度消耗的重要推手之一。

会话标题自动生成带来隐性配额压力

尽管该功能看似轻量，但系统在每次会话开始时都会生成标题并存入上下文链，长期积累形成可观的额外请求次数。此过程未被计入原始配额估算，却实际提升了整体使用成本。