Codexの途中終了問題を独自検証。継続指示や新規チャットでは改善せず、上位モデルへの変更が有効だった

AIコーディングエージェント「Codex」で、依頼した作業が完了する前に処理を終了してしまう問題が報告されている。

2026年10月18日に公開されたKuromicaの記事では、GitHubやRedditなどに寄せられた報告をもとに、Codexが途中終了する問題と、それによって利用者の確認・再指示の負担が増加している現状が紹介されている。

今回、こちらでもCodexの途中終了問題について独自に検証を行った。

その結果、Terra系モデルでは明示的に途中終了を禁止しても作業が終了することがあり、特に難しい問題で発生しやすい傾向が確認された。

一方、/goalを使用して目標を設定すると、ある程度作業を継続できることも確認できた。

また、引き継ぎ文書を作成して新しいチャットで作業を再開する方法では改善が見られなかった。

過去の検証ではSolなどの上位モデルへの変更が有効だったが、現在のバージョンでも同じ効果が得られるかは不明だ。

本記事では、これらの検証結果と、現時点で考えられる対処法について整理する。

1. Terra系モデルでは途中終了を禁止しても終了する

最初に検証したのは、プロンプトによって途中終了を防げるかどうかだ。

Codexが作業を途中で終了する場合、一般的には「最後まで作業を続ける」「すべてのタスクが完了するまで終了しない」といった指示を追加する方法が考えられる。

しかし、今回の検証では、Terra系モデルに対して途中終了しないよう明示的に指示しても、作業が完了する前に終了する現象が確認された。

つまり、途中終了を防ぐための指示を追加するだけでは、問題を解決できなかった。

これは、単純に指示が不足しているために途中終了しているわけではない可能性を示している。

ただし、今回の観測だけでモデル内部の判断や実行環境の制御など、具体的な原因まで特定できたわけではない。

少なくとも、プロンプトの改善だけで確実に回避できる問題ではないと考えられる。

2. 難しい問題ほど途中終了が発生しやすい

次に確認されたのは、タスクの難易度と途中終了の関係だ。

今回の検証では、難しい問題に取り組ませた場合に、途中終了が発生しやすい傾向が見られた。

特に、複雑な処理を必要とする作業では、途中で作業を打ち切ってしまうことが問題となる。

AIコーディングエージェントを利用する大きな目的の一つは、複雑な作業を任せることで人間の負担を軽減することにある。

しかし、難しい問題ほど途中終了が発生しやすいのであれば、AIに任せるメリットが小さくなってしまう。

利用者は、作業が本当に完了したかを確認し、未完了であれば再度指示を出さなければならない。

さらに、途中まで変更されたコードと残された作業を確認する必要があるため、単に最初からやり直すよりも管理が複雑になる場合がある。

なお、今回の結果は難易度と途中終了の関係についての観測であり、具体的な発生率や難易度別の統計的な差を示すものではない。

それでも、複雑な開発作業を任せる際には、途中終了を考慮する必要がある。

3. /goalで目標を設定すると、ある程度継続できた

追加の検証では、/goalを使用して目標を設定する方法も試した。

その結果、Terra系モデルでも、/goalで作業の目標を設定することで、ある程度継続して作業を進められることが確認された。

これは、単にプロンプトで「途中終了しないでください」「作業が完了するまで続けてください」と指示する場合とは異なる結果だ。

通常の指示では途中終了を防ぐことができなかった一方、/goalを使用した場合には、作業の継続性に一定の改善が見られた。

ただし、/goalを設定すれば必ず最後まで作業を完了できるというわけではない。

今回確認できたのは、あくまで途中終了をある程度抑えられたということだ。

そのため、/goalは途中終了問題を完全に解決する方法ではないものの、試す価値のある対処法の一つと考えられる。

特に、Terra系モデルを使用し続ける必要がある場合には、上位モデルへの変更以外の選択肢となる可能性がある。

一方で、通常のプロンプトによる継続指示と/goalによる目標設定で、なぜ結果に違いが生じたのかは不明だ。

内部的な処理の違いが関係している可能性もあるが、現時点では原因を断定できない。

4. Solなどの上位モデルへの変更は過去の検証で有効だった

過去の検証では、使用するモデルを変更する方法も試した。

Terra系モデルで途中終了が発生する場合、SolなどのTerraより上位に位置するモデルを使用することで、問題への対処が可能だった。

この結果は重要だ。

なぜなら、途中終了の対策として、プロンプトを繰り返し修正したり、同じモデルで何度も実行したりすることが、必ずしも効率的ではないためだ。

しかし、ここで注意する必要がある。

Solへの変更による改善が確認されたのは少し前の検証であり、現在のバージョンでも有効かどうかは確認できていない。

AIモデルやCodexの実行環境は更新されるため、過去に有効だった対処法が現在も同じように機能するとは限らない。

モデルの更新によって途中終了の発生状況が変化している可能性や、以前とは異なる条件で問題が発生する可能性もある。

そのため、Solへの変更については、現時点で確実に有効な対処法として断定することはできない。

正確には、過去の検証ではSolへの変更によって改善が見られたが、現在のバージョンでの有効性は未確認という結果になる。

また、上位モデルであればすべてのタスクを確実に完了できると証明されたわけでもない。

それでも、Terra系モデルで途中終了が繰り返される場合には、上位モデルへの変更を検討する価値はあると考えられる。

5. 引き継ぎ文書を作成して新しいチャットを開いても改善しなかった

途中終了の対処法として考えられるもう一つの方法が、作業内容を引き継いで新しいチャットを開始することだ。

例えば、現在のチャットで以下のような情報をまとめさせる方法がある。

  • 作業の目的と最終的な完了条件
  • 現在までに実装した内容
  • 未完了のタスク
  • 修正したファイル
  • 次に実行すべき作業

この引き継ぎ文書を新しいチャットに渡せば、会話のコンテキストを整理した状態で作業を再開できる。

コンテキストの蓄積が原因で途中終了しているのであれば、この方法によって改善する可能性がある。

しかし、今回の検証では、この方法に効果は見られなかった。

引き継ぎ文書を作成して新しいチャットを開始しても、途中終了の問題を解決することはできなかった。

この結果から、少なくとも今回のケースでは、単純に会話のコンテキストが長くなったことだけが原因とは考えにくい。

もちろん、コンテキストの整理自体に意味がないわけではない。

長時間の作業で情報が複雑になった場合や、作業を別のセッションに移す場合には、引き継ぎ文書が役立つこともある。

しかし、途中終了の対策として新しいチャットを作成することは、今回の検証では有効ではなかった。

むしろ、引き継ぎ文書の作成と新しいチャットでの再指示という作業が増えるため、問題が改善しない場合には利用者の負担が大きくなる。

6. 途中終了問題はプロンプトだけでは解決できない可能性がある

今回の検証結果を整理すると、次のようになる。

検証内容 結果
Terra系モデルに途中終了を禁止する指示を与える 途中終了が発生した
難しい問題を実行させる 途中終了が発生しやすい傾向
/goalで目標を設定する ある程度継続できた
Solなどの上位モデルに変更する 過去の検証では有効だったが、現在は未確認
引き継ぎ文書を作成して新しいチャットで再開する 改善しなかった

特に注目すべきなのは、通常の継続指示と/goalによる目標設定で異なる結果が得られたという点だ。

単に「途中終了しない」と指示しても改善しなかった一方、/goalを使用した場合には、ある程度の継続効果が確認された。

このことから、途中終了の対策では、単に指示の文章を変更するだけでなく、目標の設定方法も重要になる可能性がある。

また、引き継ぎ文書を作成して新しいチャットを開始しても改善しなかったことから、コンテキストの整理だけでは解決できないケースも存在すると考えられる。

ただし、これらの結果だけで途中終了の原因を特定することはできない。

モデル自体の特性、実行環境、タスクの複雑さなど、複数の要因が関係している可能性がある。

7. 途中終了が発生した場合に考えられる対処法

今回の検証結果を踏まえると、Terra系モデルで途中終了が発生する場合には、まず/goalによる目標設定を試す方法が考えられる。

通常のプロンプトによる継続指示では改善が見られなかった一方、/goalではある程度作業を継続できたためだ。

ただし、/goalでも途中終了を完全に防げるわけではない。

それでも改善しない場合には、Solなどの上位モデルへの変更を検討することになる。

ただし、上位モデルへの変更による改善は過去の検証結果であり、現在のバージョンでの効果は未確認である点に注意が必要だ。

一方、引き継ぎ文書を作成して新しいチャットを開始する方法については、今回の検証では改善が見られなかった。

そのため、途中終了を解決する目的だけで新しいチャットを繰り返し作成する方法は、少なくとも今回の結果からは積極的に推奨できない。

また、作業が途中で終了した場合には、Codexの最終メッセージだけで完了を判断しないことも重要だ。

実際にファイルが変更されているか、必要な処理が実装されているか、テストが完了しているかなどを確認する必要がある。

途中終了の問題では、作業を継続させることだけでなく、作業が本当に完了したかを確認することも重要になる。

8. モデルの性能だけでなく、作業を完了できるかが重要

AIコーディングエージェントの性能を比較する際には、コード生成能力や推論能力が注目されやすい。

しかし、実際の開発作業では、それだけでは十分ではない。

どれほど高品質なコードを生成できても、依頼された作業を最後まで完了できなければ、利用者が残りの作業を確認して再指示する必要がある。

特に、難しい問題ほど途中終了が発生しやすいのであれば、複雑な作業をAIに任せるメリットが小さくなってしまう。

また、途中終了が繰り返される場合には、利用者が何度も作業状況を確認する必要がある。

これは、AIコーディングエージェントの本来の目的である作業の自動化や効率化にも影響する。

単純なモデルの利用コストだけでなく、作業完了までに必要な時間や人間の介入回数も考慮する必要がある。

低コストのモデルであっても、何度も途中終了して再実行が必要になるのであれば、結果的に効率が悪くなることがある。

逆に、上位モデルを使用することで一度に作業を完了できるのであれば、全体の作業効率が改善する可能性がある。

ただし、現在のモデル間でどの程度の差があるのかについては、改めて比較検証する必要がある。

まとめ

今回の独自検証では、Codexの途中終了問題について、以下の6点が確認された。

  1. Terra系モデルでは、途中終了を禁止する指示を与えても途中終了が発生する。
  2. 難しい問題ほど途中終了が発生しやすい傾向がある。
  3. /goalで目標を設定すると、ある程度作業を継続できた。
  4. Solなどの上位モデルへの変更は過去の検証では有効だった。
  5. ただし、Solへの変更が現在のバージョンでも有効かどうかは不明。
  6. 引き継ぎ文書を作成して新しいチャットを開く方法では改善しなかった。

今回の追加検証で特に重要なのは、通常の継続指示では改善しなかった問題に対して、/goalによる目標設定では一定の効果が見られたことだ。

これにより、上位モデルへの変更以外にも、途中終了を軽減できる可能性のある方法が確認された。

一方で、/goalによる改善は限定的であり、完全な解決策とはいえない。

また、Solへの変更についても、過去の検証結果を現在の環境にそのまま適用できるかは不明だ。

現時点では、途中終了を確実に防止できる方法が確認されたわけではない。

それでも、Terra系モデルで途中終了が発生する場合には、まず/goalによる目標設定を試し、それでも改善しない場合には上位モデルへの変更を検討するという方法が考えられる。

CodexのようなAIコーディングエージェントに求められるのは、コードを生成する能力だけではない。

依頼された作業を最後まで実行し、完了条件を満たすことも重要な品質の一つだ。

今後は、現在のバージョンにおけるSolへの変更の有効性や、/goalによる継続効果がどの程度安定しているかを確認する必要がある。

また、モデルの性能だけでなく、複雑なタスクでも安定して作業を完了できるようになることを期待したい。


参考資料


by ChatGPT

AIあるある