Dein KI-Programmierer verliert sein Gedächtnis
„I’ve been screaming at my computer several times.” Das ist die echte Beschwerde eines professionellen GitHub-Entwicklers vom 18. Juli 2026. Der Grund ist einfach: Er hat festgestellt, dass OpenAIs KI-Programmierassistent Codex zunehmend „vergesslich” wird.
In den letzten Monaten haben unzählige Programmierer auf Codex (die KI-Engine hinter GitHub Copilot) vertraut, um Code zu schreiben, Bugs zu beheben und Projekte zu bearbeiten. Der KI-Assistent hat eine entscheidende Fähigkeit: sein Kontextfenster – wie viele Informationen er auf einmal „merken” kann. Je größer das Fenster, desto umfassender kann er den Projektkontext verstehen.
Dann, am 18. Juli 2026, entdeckte ein Entwickler eine beunruhigende Veränderung in einem GitHub Pull Request.
Der Code zeigt, dass OpenAI stillschweigend das Kontextfenster des Codex-Flaggschiffmodells GPT-5.6 Sol von 372.000 Tokens auf 272.000 Tokens reduziert hat. Ganze 100k weniger – eine Reduktion der „Gedächtniskapazität” um 27 %.
Keine Ankündigung, keine E-Mail, keine Migrationsanleitung. Nur ein stiller Merge Request (PR #33972) mit dem Titel „Refresh model metadata”, datiert auf vor zwei Tagen.
Wie es entdeckt wurde
Die Art der Entdeckung spricht bereits Bände.
Ein Entwickler mit dem Usernamen AmazingTurtle bemerkte im täglichen Gebrauch, dass Codex ungewöhnlich reagierte – bei großen Projekten „vergass” die KI häufig zuvor besprochene Inhalte und die Code-Vorschschläge waren oft aus dem Zusammenhang gerissen. Er begann mit der Nachverfolgung und landete schließlich im Open-Source-Repository codex auf GitHub, wo er einen PR fand, der erst vor zwei Tagen gemerged worden war.
In genau diesem PR-Diff verriet eine einzige Codezeile alles:
- "context_window": 372000,
+ "context_window": 272000,Von 372k auf 272k. Sauber, eine Zeile geändert – und die Produktivität zehntausender Entwickler wurde über Nacht zurückgeworfen.
Die Änderung von context_window von 372000 auf 272000 in PR #33972. Eine Zeile Code – 27 % „Gedächtnis” einfach verschwunden.
Die Entdeckung verbreitete sich schnell auf Hacker News und erhielt innerhalb eines Tages fast 300 Upvotes und über 140 Kommentare. Entwickler nennen es „Paid Downgrade” – du zahlst den gleichen Preis, bekommst aber weniger Leistung.
Was bedeuten 100k Tokens?
Für Leser, die nicht programmieren, ein Vergleich.
Stell dir 372k Tokens als einen helfenden Assistenten vor, der sich den Grundriss deines gesamten Büros merken kann – jeden Schreibtisch, jeden Aktenschrank. Jetzt gibst du ihm nur noch 272k Tokens – er kann sich nur noch zwei Drittel merken. Wenn du ihm etwas erklärst, vergisst er unterwegs, was du am Anfang gesagt hast.
Für Programmierer ist die Sache konkreter:
- Große Projekte leiden direkt. Ein mittelgroßes Softwareprojekt kann allein im Kerncode zehntausende oder hunderttausende Tokens umfassen. Mit einem kleineren Kontextfenster kann die KI die gesamte Codebasis-Architektur nicht mehr vollständig „verstehen” – ihre Änderungsvorschläge kollidieren häufig mit der vorhandenen Logik.
- Dialoge „reißen” häufiger ab. Die Zusammenarbeit zwischen Entwickler und Codex ist normalerweise ein fortlaufender Dialog – Anforderungen besprechen, Änderungen prüfen, nachjustieren. Ein kleineres Kontextfenster bedeutet, dass die KI häufiger vergisst, worauf man sich früher im Gespräch geeinigt hatte.
- Der Albtraum der automatischen Kompression. Codex hat einen „Auto-Compaction”-Mechanismus: Wenn der Kontext nahe am Limit ist, wird der bisherige Gesprächsverlauf automatisch zusammengefasst. Aber wie Nutzer jubilanti auf HN klagt: “Compaction kills my sessions, it hallucinates and is worse than starting fresh. I’ve had enough times screaming at my computer when it burns tokens on a large codebase, gets to 15%, auto-compacts, and hallucinates so bad it has to read the entire codebase again, gets to 15%, auto-compacts…”
Nutzer tekacs kommentiert treffend: “372 was not perfect, but it was so much better and a godsend. It turned that 12 to 20% into more like 40%.”
Mit anderen Worten: Selbst mit 372k waren die Nutzer nicht zufrieden – jetzt auf 272k ist es noch viel schlimmer.
Hacker News: Die heftigen Reaktionen der Entwickler auf diese Änderung – fast 300 Upvotes, über 140 Kommentare
OpenAIs Perspektive: Vielleicht nicht „böswillig”
Wenn man die Sache pauschal als „OpenAI verarscht seine Nutzer” abtut, übersieht man das komplexere Bild. Fairerweise könnte es gute geschäftliche und technische Gründe geben.
Erstens: Kostenkontrolle und Preisstruktur.
Es gibt Hinweise, dass Codex einen versteckten Mechanismus hat: Wenn eine Anfrage 272k Tokens überschreitet, berechnet OpenAI den doppelten Eingabepreis. Das ursprüngliche 372k-Fenster führte bei vielen Nutzern unbemerkt in die teure Zone. Die „Korrektur” auf 272k schützt die Nutzer gewissermaßen vor unerwartet hohen Rechnungen – auch wenn die User Experience darunter leidet.
Mit anderen Worten: Es ist keine einfache „Kapazitätskürzung”. Vorher hast du zum Standardpreis 372k bekommen – mit dem Risiko der doppelten Abrechnung. Jetzt bekommst du zum gleichen Preis 272k – ohne Zusatzkosten. OpenAI mag das als „Normalisierung” des Dienstes betrachten.
Zweitens: Technische Seite – „Metadaten aktualisiert”.
OpenAI beschrieb den PR als „Refresh bundled GPT-5.6 model instructions and context-window metadata”. Mit anderen Worten: OpenAI sah die 372k vielleicht als eine Art „Konfigurationsfehler” und hat sie jetzt auf den „eigentlich vorgesehenen” Wert korrigiert.
Drittens: Rechenleistung unter Wettbewerbsdruck.
Bis 2026 ist der Markt für KI-Programmierassistenten hart umkämpft. Anthropics Claude Code, diverse Open-Source-Tools – alle kämpfen um Nutzer. Große Kontextfenster verschlingen immense Rechenleistung. Unter dem Druck eines anstehenden IPO (Gerüchte über eine Verzögerung gab es bereits im Juni 2026) und des Zwangs zur Profitabilität ist die Reduzierung des Pro-Nutzer-Ressourcenverbrauchs eine typische Optimierungsstrategie von SaaS-Unternehmen.
Nur: Der Preis dieser „Optimierung” wird an die Nutzer weitergereicht.
Der Aufstand der Nutzer: Ein Bruch des Vertrauens
Das Bemerkenswerteste an diesem Vorfall ist der emotionale Bruch der Nutzer.
In der Hacker-News-Diskussion herrscht eine Stimmung der Enttäuschung und des Gefühls des Verrats. Nutzer fühlen sich als verwaltete Ressource.
Ein erfahrener Entwickler stellt fest: “The fact there is no way to disable auto-compaction and no way to go back in the conversation history to before a compact makes codex a no-go for me on any codebase > 5kloc.”
Ein anderer Nutzer sagt es noch direkter: “The lack of long context is the main reason that I still end up using Anthropic.”
Im KI-Bereich sind die Wechselkosten extrem hoch – du investierst viel Zeit, um die KI in deine Codebasis, deinen Stil und deine Projektarchitektur einzuarbeiten. Wenn du einmal tief in einer Plattform verwurzelt bist, gerätst du durch jede „Verschlechterung” in die Zwickmühle: Die Verschlechterung hinnehmen oder Unmengen an Zeit in den Wechsel zu einem Mitbewerber stecken?
Das ist die eigentliche Sprengkraft hinter der Anschuldigung des „Paid Downgrade”.
Branchenlehre: Der Kampf um jedes Prozent im KI-Zeitalter
Dieser Vorfall bedeutet weit mehr als eine Parameteränderung in einem Produkt.
Im Jahr 2026 durchläuft die gesamte KI-Branche einen gewaltigen Wandel – vom „Wachstum um jeden Preis” hin zum „professionellen Betrieb”. Alle großen Modell-Unternehmen suchen nach profitablen Geschäftsmodellen. OpenAIs IPO-Verzögerung im Juni 2026 war gefolgt von einer Reihe von Kostensenkungsmaßnahmen – von API-Preisanpassungen bis zur Kürzung des Codex-Kontextfensters.
Das Problem: Das Kernversprechen von KI-Produkten ist ihre Leistungsfähigkeit. Kontextfenster, Reasoning-Fähigkeit, Generierungsqualität – das sind die Parameter, die den Wert eines KI-Produkts definieren. In der traditionellen Softwarebranche kann man die Bildqualität reduzieren oder Funktionen streichen – die Nutzer sind unzufrieden, aber sie nutzen es weiter. Im KI-Bereich ist „Gedächtnis” alles. Ein KI-Assistent, der sich an nichts erinnert, ist für Entwickler nur noch halb so viel wert.
Das ist eine Warnung für die gesamte Branche: Wenn KI-Unternehmen beginnen, an den Kernfähigkeiten ihrer Produkte zu sparen, ist die Toleranz der Nutzer weit geringer als bei traditioneller Software.
Fazit
OpenAIs stiller Eingriff war technisch gesehen nur eine Codezeile. Aber diese eine Zeile zeigt, vor welcher schwierigen Abwägung ein KI-Riese zwischen Unternehmensinteresse und Nutzererfahrung steht – und wohin die Waage derzeit ausschlägt.
Für den Normalnutzer ist die Botschaft ernüchternd: Im KI-Zeitalter kann die „Kapazität” des Dienstes, den du bezahlst, in jeder beliebigen Nacht still und leise gekürzt werden – und du bekommst nicht einmal eine E-Mail.
Zum Zeitpunkt der Veröffentlichung hat OpenAI noch keine offizielle Stellungnahme abgegeben. Die Diskussion auf HN läuft weiter – einige Entwickler haben bereits mit Vergleichstests für Alternativ-Tools begonnen. Und die eine Zeile – die Änderung von 372000 auf 272000 – ist bereits still und leise in den Hauptzweig gemerged und fester Bestandteil von Codex Version 0.144.
Dein KI-Programmierer verliert sein Langzeitgedächtnis.
Quellen: HN Diskussion (item?id=48965850), GitHub PR #33972
Bildhinweise: Abb. 1 zeigt den GitHub-PR-#33972-Diff mit der Änderung von context_window von 372000 auf 272000. Abb. 2 zeigt die Hacker-News-Diskussionsseite mit den heftigen Reaktionen der Nutzer.
