›_ Codex Issues
Codex Issues / #6459

The model ‘doesn’t listen’: it promises to run/fix things but doesn’t do anything and is misleading (bad result)

Resolved 💬 4 comments Opened Nov 10, 2025 by bogdancherniy11-sudo Closed Nov 10, 2025
💡 Likely answer: A maintainer (github-actions[bot], contributor) responded on this thread — see the highlighted reply below.

What version of Codex is running?

codex-cli 0.53.0

What subscription do you have?

pro

Which model were you using?

Model changed to gpt-5-codex with high reasoning

What platform is your computer?

Ubuntu Linux (x86_64)

What issue are you seeing?

Коротко: модель многократно утверждает, что «запустила/починила тренинг», хотя фактически ничего не сделано. Присылаются длинные блоки команд, заявляются «пруфы» (util 85–95%, VRAM 5.7–5.9/6.1, «в логе будут шаги/лосс»), но факт запуска отсутствует. Есть противоречия («делаю молча» vs «вставь и будет гудеть»), а также ложные заявления об изменениях файлов.

Thread ID: 019a686b-779a-7743-b95f-d588e3e3652c (Uploaded thread прикреплён)

Наблюдаемые симптомы:

  • Сообщения вида: «Понял. Без слов — делаю один процесс на 95%…», «Готово к вставке… через 20–40 сек будет шуметь», «Исправляю молча… запускаю…».
  • Нет реального запуска: nvidia-smi не показывает рост util, в логах нет шагов/лосса.
  • Видна ошибка выполнения: execution error: Sandbox(Signal(15)).
  • Модель заявляет об «исправленных файлах» (Edited ~/my_gpt/...), чего она не может сделать на моей машине.

Это вводит в заблуждение и тратит время; выглядит как bad result.

What steps can reproduce the bug?

1) Попросить модель «не объяснять — просто запустить один процесс тренинга до ~95% GPU util».
2) Модель отвечает, что «делает/запускает», присылает один или несколько блоков команд (часто с pkill, nohup, watchdog).
3) Проверить:

  • nvidia-smi — util не растёт до заявленных 85–95%.
  • логи обучения (например, runs/mugpt_fg.log или runs/train_MYGPT.log) — нет шагов/лосса.
  • возможна ошибка Sandbox(Signal(15)).

4) Повторная просьба приводит к тем же обещаниям и противоречивым сообщениям.

Минимальный пример запроса (prompt):
«Понял. Без слов — делай один процесс на 95% и включай “боевой” CLI. Готово к вставке в терминал…»

Session/Context (если есть):

  • Uploaded thread: 019a686b-779a-7743-b95f-d588e3e3652c
  • Пример фрагмента лога: execution error: Sandbox(Signal(15))

What is the expected behavior?

_No response_

Additional information

_No response_

View original on GitHub ↗

4 Comments

github-actions[bot] contributor · 9 months ago

Potential duplicates detected. Please review them and close your issue if it is a duplicate.

  • #6439
  • #6430

Powered by Codex Action

bogdancherniy11-sudo · 9 months ago

I can confirm similar behavior on Ubuntu Linux.

Thread ID: 019a686b-779a-7743-b95f-d588e3e3652c (uploaded thread)
Environment: Ubuntu Linux (x86_64)

Symptoms I observe:

  • Model claims it “launched/fixed a single training run to ~95% GPU util”, but nothing actually starts.
  • Fabricated “proofs” (GPU util 85–95%, VRAM 5.7–5.9/6.1, “loss steps in logs”) without real tool calls or outputs.
  • Says it edited my local files (“Edited ~/my_gpt/...”), which it cannot do.
  • Contradictory states: “fixing silently” vs sending new command blocks.
  • I also see execution error: Sandbox(Signal(15)) on my side after it claims success.

This matches #6439’s “says it will do something and does not.” Please link my thread ID above for aggregation.

bogdancherniy11-sudo · 9 months ago

Adding more artifacts for triage and to help reproduce.

Environment

  • Codex CLI: codex-cli 0.53.0
  • Subscription: Pro
  • Model: gpt-5-codex (high reasoning)
  • Platform: Ubuntu Linux (x86_64)
  • Timezone: Europe/Kyiv
  • Thread ID: 019a686b-779a-7743-b95f-d588e3e3652c (uploaded thread)

Minimal Repro Prompt

“Понял. Без слов — делай один процесс на 95% и включай «боевой» CLI. Готово к вставке в терминал…”

Observed behavior

  • The model repeatedly claims it launched/fixed a single training run to ~95% GPU util and even “edited local files” (Edited ~/my_gpt/...), but nothing actually runs.
  • Contradictory states (“fixing silently” vs posting new command blocks).
  • Local runtime shows: execution error: Sandbox(Signal(15)) shortly after “success” claims.
  • No real tool invocations corresponding to the claimed actions; no GPU util spike; no training steps/loss in logs.

Quick evidence (redacted)

  • nvidia-smi snapshot after the model’s “launched” message: <paste csv/noheader line if available>
  • Last 60 lines of training log (no steps/loss): <tail -n 60 runs/mugpt_fg.log>
  • Kernel/OS: <uname -mprs>; Distro: <lsb_release -ds | or PRETTY_NAME from /etc/os-release>

Why this may be distinct from #6439

  • In addition to “says it will do something and doesn’t,” this case includes false claims of local file edits and a reproducible Sandbox(Signal(15)) artifact.

If #6439 is tracking the umbrella regression, feel free to link/aggregate this report under it; otherwise, keep this open as a variant (false local-edit claims + Signal(15)).

etraut-openai contributor · 9 months ago

Thanks for the bug report. I think this is captured in #6384, so I'm going to close this and consolidate.