ChatGPT e Codex reduzem 60% do uso de disco com otimização

Introdução

ChatGPT e Codex receberam uma otimização nos aplicativos desktop que deve reduzir em aproximadamente 60% a quantidade de dados gravados no disco, resultado do ajuste em como o estado local é salvo. A informação foi divulgada por Tibo, integrante das equipes do ChatGPT e do Codex, dentro da iniciativa de 28 dias de melhorias de qualidade. (didcodexreset.com)

A relevância prática é direta, usuários reportaram sessões que inflavam pastas locais para dezenas ou centenas de gigabytes, com impacto em desempenho e estabilidade. A queda de 60% foca justamente esse gargalo de armazenamento, comum em fluxos com conversas longas e agentes. (github.com)

Este artigo detalha o que foi anunciado, por que o uso de disco cresceu tanto nos últimos meses, o que muda tecnicamente, como medir e limpar o que já existe, e quais impactos esperar para equipes e desenvolvedores nas próximas semanas.

O que exatamente foi anunciado por Tibo

A atualização foi comunicada no Dia 9 do ciclo de 28 dias. A mensagem diz que foram lançadas otimizações em como os apps do ChatGPT e do Codex armazenam o estado no disco e que isso deve reduzir o volume armazenado em torno de 60%. Diversos resumos independentes replicaram o conteúdo com a mesma estimativa e com o contexto de que se trata de uma mudança no formato de persistência local. (didcodexreset.com)

A comunidade de desenvolvedores da OpenAI também repercutiu um efeito prático próximo, relatando que as threads no app do Codex passaram a ocupar até 60% menos espaço e que um novo painel de Storage ajuda a visualizar o consumo por sessão. Isso conecta o anúncio com melhorias de observabilidade local. (community.openai.com)

Imagem prática do problema e do alívio anunciado, antes e depois. Longas conversas com geração de arquivos, logs e subagentes eram a combinação perfeita para o disco crescer sem controle. A promessa de 60% não resolve tudo, mas muda a ordem de grandeza para muitos casos reais. (github.com)

Por que o uso de disco explodiu em tantos casos

• Sessões muito longas e encadeadas. Issues no repositório do Codex registraram crescimento contínuo do armazenamento por thread, com cotas por conversa que se somavam e acabavam escalando com o número de tarefas. Em alguns relatos, isso empurrava a máquina para poucos gigabytes livres e tornava o app lento para iniciar. (github.com)
• Logs e estados de agentes. Em fluxos mais agentizados, surgiram relatos de pastas atingindo dezenas ou centenas de gigabytes, inclusive com diagnósticos mostrando que a quase totalidade vinha de filhos de tarefas antes da primeira interação útil, um forte indício de overhead estrutural no formato de estado. (github.com)
• Gargalos de performance colaterais. Ainda que o problema principal aqui seja disco, usuários também descreveram picos de CPU e memória, travamentos e quedas do app, especialmente no Windows e no macOS. Isso exagera a percepção de que o app está pesado como um todo. (github.com)

Na prática, o que a otimização de 60% promete é reduzir o custo base do estado persistido, o que ajuda a baixar o platô mesmo quando o fluxo continua intenso. A observação recorrente é que a combinação de Electron, múltiplos processos de renderização e logs detalhados por janela conversa com esse consumo, então atacar o formato e as políticas de persistência é um caminho de alto impacto sem quebrar funcionalidades. (reddit.com)

O que muda tecnicamente com a otimização de 60%

As descrições públicas apontam para um ajuste em como o estado é salvo no disco, não para uma mudança de modelo ou de recurso de IA. Em outras palavras, o armazenamento local passa a ser mais compacto por design. Vários resumos independentes destacam esse ponto, usando exatamente a expressão state on disk should reduce by ~60%. (didcodexreset.com)

A OpenAI Developer Community relaciona a otimização a um efeito tangível nas threads do Codex e cita a introdução de um Storage tab. Para uso corporativo ou de time, isso significa visibilidade e controle, elementos essenciais para políticas internas de TI. (community.openai.com)

Vale lembrar que, nos meses anteriores, issues no GitHub abriram a caixa preta. Houve relatos de churn de logs, escrita excessiva mesmo com CPU ociosa, e crescimento de bancos locais por thread. Esse histórico explica a priorização da otimização e sugere que parte do ganho venha de deduplicação, compactação mais agressiva e coleta de estados intermediários. A inferência é consistente com as evidências públicas, embora os detalhes do algoritmo não tenham sido documentados. (github.com)

Como medir, limpar e evitar novo inchaço na sua máquina

• Ver o consumo no próprio app. Usuários relatam um Storage tab que mostra o espaço usado por sessões, o que facilita a auditoria contínua. Atualizar o app e conferir essa aba é o primeiro passo para validar o efeito de 60% no seu contexto. (community.openai.com)
• Usar os recursos de Personal Analytics. A Central de Ajuda descreve como revisar atividade do Work e do Codex no desktop, com métricas agregadas por esforço de raciocínio e velocidade. Não é um medidor de disco, mas ajuda a correlacionar sessões intensas com períodos de maior geração de estado. (help.openai.com)
• Higiene de sessões antigas. Em cenários onde a pasta local já passou de dezenas de gigabytes, o ideal é identificar conversas inativas e limpar seus artefatos. A comunidade reportou ganhos expressivos após varreduras, inclusive liberando dezenas de gigabytes presos em histórico e logs do app. Use um visualizador de espaço em disco se preferir mapear por diretórios. (reddit.com)
• Teste controlado. Depois de atualizar, crie duas janelas de conversa semelhantes e rode uma rotina de trabalho típica por 30 a 60 minutos. Compare o crescimento da pasta de dados antes e depois, sempre com a mesma carga de arquivos e agentes. Se a redução for consistente com os 60%, você verá queda significativa no ritmo de crescimento acumulado. Referências independentes sugerem ganhos nessa ordem de grandeza. (didcodexreset.com)

Impacto para times, desenvolvedores e TI

• Menos atrito em fluxos longos. Quem depende de threads persistentes, análise de código e geração de artefatos tende a notar o app mais gerenciável, com inicialização mais estável e menos sustos de disco cheio no meio do sprint. A comunidade associou a otimização a ganhos nessa linha. (community.openai.com)
• Observabilidade local. O Storage tab reduz o triângulo da dúvida entre app, sistema operacional e disco. Ao visualizar por sessão, dá para identificar rapidamente conversas que saíram do controle e tomar ações pontuais, sem depender de limpeza cega. (community.openai.com)
• Políticas internas de housekeeping. Equipes de engenharia podem adotar rotinas semanais de revisão de sessões, alinhadas com janelas de reset e com os relatórios de uso do Work e do Codex. A documentação de analytics no desktop facilita a educação do time e a definição de padrões mínimos, como cotas locais por projeto. (help.openai.com)
• Alívio parcial, não bala de prata. Mesmo com 60% a menos, ainda existem relatos recentes de consumo de CPU, memória e comportamentos anômalos em versões específicas. O roadmap de qualidade precisa continuar endereçando renderização, coleta de lixo e políticas de atualização. (github.com)

Limitações, dúvidas e próximos passos

• Expectativa, não garantia. A própria formulação do anúncio destaca should reduce, ou seja, redução esperada em torno de 60%. Ambientes e cargas variam, então o seu resultado pode ficar acima ou abaixo desse número. Coletar métricas locais é a melhor prática. (developer.aliyun.com)
• Comunidade atenta. Postagens recentes acompanham o progresso diário do ciclo de 28 dias e seguem pedindo mais otimizações, inclusive em RAM e estabilidade no Windows e no macOS. Esse monitoramento público acelera correções. (community.openai.com)
• Telemetria e versões. Em empresas, padronize versões do app desktop e estabeleça um procedimento de auditoria semanal para o diretório de dados do ChatGPT e do Codex. Em caso de anomalias, issues no GitHub têm servido de fonte valiosa de diagnóstico e pressão por correções. (github.com)

Check-list rápido para aproveitar a otimização

1. Atualizar o ChatGPT e o Codex desktop para a versão estável mais recente disponível para seu sistema operacional.
2. Abrir o Storage tab e anotar o consumo atual por sessão, guardando um print para comparação. (community.openai.com)
3. Rodar um teste de 30 a 60 minutos no seu fluxo padrão, depois comparar o crescimento de disco com a semana anterior.
4. Mapear e arquivar conversas inativas e artefatos obsoletos, priorizando sessões com alto consumo de disco. (reddit.com)
5. Ativar relatórios de Personal Analytics para correlacionar picos de trabalho com janelas de maior geração de estado. (help.openai.com)
6. Reportar comportamentos anômalos no GitHub, incluindo versão do app, sistema, passos e logs relevantes. (github.com)

Conclusão

A otimização que deve reduzir 60% do uso de disco nos apps desktop do ChatGPT e do Codex ataca um ponto sensível. Quem trabalha com sessões longas e agentes sabe que o acúmulo de estado local vira um problema concreto, dos alertas de pouco espaço às falhas de inicialização. Com o novo formato de persistência, a base de armazenamento tende a cair, e o novo painel de Storage coloca um refletor em cima do que cada sessão consome. (didcodexreset.com)

Ainda há trabalho a fazer. Relatos de uso alto de CPU e memória lembram que a qualidade de vida do app envolve mais do que o disco. A orientação é medir o efeito no seu fluxo, aproveitar a visibilidade adicional e manter a pressão saudável por melhorias contínuas. Quem acompanhar o ciclo de 28 dias verá mais ajustes baterem na prática nos próximos resets e releases. (reddit.com)