Codex-Modellauswahl

Codex unterstützt mehrere Modelle. Die Eigenschaften jedes Modells zu verstehen, hilft Ihnen, das richtige für Ihr Szenario auszuwählen.

Bei der Desktop-Version kann unten rechts im Eingabefeld gewechselt werden

Die Codex CLI kann mit dem Befehl/modelgewechselt werden:


Verfügbare Modelle

Codex unterstützt derzeit die folgenden Modelle:

ModellTypeFunktionenAnwendbare Szenarien
gpt-5.4FlaggschiffStärkste Leistungsfähigkeit, tiefgehende SchlussfolgerungenKomplexe Aufgaben, Architekturdesign
gpt-5.4-miniLeichtgewichtSchnelle Reaktion, geringere KostenEinfache Aufgaben, schnelle Iteration
gpt-5.3-codexProProgrammieroptimierung, Code-SpezialisierungCode schreiben, Fehlerbehebung
gpt-5.3-codex-sparkSchnellUltraschnelle Antwort, hochfrequente InteraktionEchtzeit-Zusammenarbeit, schnelle Fragen und Antworten

Detaillierte Erklärung der Modellfunktionen

GPT-5.4

Flaggschiffmodell mit den stärksten Reasoning- und Kreativfähigkeiten.

FunktionenBeschreibung
Reasoning-TiefeTiefgehende Analyse komplexer Probleme
KontextverständnisVerständnis der Struktur großer Codebasen
Mehrstufige AufgabenUmgang mit komplexen Workflows
GenauigkeitHohe Genauigkeit, weniger Nacharbeit

Anwendbare Szenarien

  • Architekturdesign und Refactoring
  • Komplexe Fehleranalyse und Fehlerbehebung
  • Koordinierte Entwicklung mehrerer Module
  • Code-Review und Qualitätsanalyse

GPT-5.4-mini

Leichtgewichtiges Modell, schnelle Reaktion, geeignet für die tägliche Entwicklung.

FunktionenBeschreibung
ReaktionsgeschwindigkeitSchneller als Flaggschiff-Modelle
KosteneffizienzGeringerer Token-Verbrauch
Tägliche AufgabenGeeignet für routinemäßige Entwicklungsabläufe

Anwendbare Szenarien

  • Einfache Funktionsimplementierung
  • Codeformatierung und Refactoring
  • Dokumentationserstellung
  • Schnelle Fragen und Antworten

GPT-5.3-Codex

Ein Modell, das speziell für Programmieraufgaben optimiert wurde.

FunktionenBeschreibung
Code-ExpertiseSpeziell für Programmieraufgaben trainiert
SprachabdeckungUnterstützt mehrere Programmiersprachen
CodequalitätHochwertig generierter Code

Anwendbare Szenarien

  • Code schreiben und generieren
  • Fehlerbehebung und Debugging
  • Code-Refactoring
  • Testerstellung

GPT-5.3-Codex-Spark

Ultraschnelles Antwortmodell, geeignet für Szenarien mit hoher Interaktionsfrequenz.

FunktionenBeschreibung
Ultraschnelle AntwortSchnellste Antwortgeschwindigkeit
Echtzeit-ZusammenarbeitGeeignet für interaktive Entwicklung
Pro-exklusivNur im Pro-Tarif verfügbar

Anwendbare Szenarien

  • Echtzeit-Code-Q&A
  • Schnelle Prototypenvalidierung
  • Hochfrequente iterative Entwicklung

Konfiguration der Reasoning-Intensität

Sie können den Reasoning-Aufwand des Modells anpassen, um Geschwindigkeit und Tiefe auszubalancieren.

Stufen der Reasoning-Intensität

StufeBeschreibungFunktionen
minimalMinimales ReasoningSchnellste Antwort, geeignet für einfache Aufgaben
lowNiedrige Reasoning-IntensitätSchnell, aber mit etwas Analyse
mediumMittleres ReasoningAusgewogene Geschwindigkeit und Tiefe (Standard)
highHohe Reasoning-IntensitätTiefe Analyse, geeignet für komplexe Aufgaben
xhighUltrahohes ReasoningStärkstes Reasoning, langsamste Antwort

Reasoning-Intensität konfigurieren

Einstellungen für die Reasoning-Intensität

# CLI-Bezeichnung
codex --reasoning-effort high

# Konfigurationsdatei
[mycode4 type="toml"]
model_reasoning_effort = "high"
# In Sitzung wechseln /model gpt-5.4 --reasoning-effort xhigh [/mycode4]

Reasoning-Zusammenfassung

Steuern Sie, wie detailliert Codex seinen Reasoning-Prozess anzeigt.

Zusammenfassungsmodus

ModeBeschreibung
autoBestimmt automatisch den Detaillierungsgrad (Standard)
conciseKurze Zusammenfassung
detailedDetaillierter Denkprozess
noneKeine Denkprozess-Zusammenfassung anzeigen

Einstellungen für die Denkprozess-Zusammenfassung

# ~/.codex/config.toml
model_reasoning_summary = "detailed"

Modellwechsel

Zwischen verschiedenen Modellen für unterschiedliche Szenarien wechseln.

Wechselmethode

Modell wechseln

# CLI-Slash-Befehle
/gpt-5.4
/model gpt-5.4-mini
/model gpt-5.3-codex

# Mit Reasoning-Stärke
/model gpt-5.4 --reasoning-effort high

# In-App-Umschaltung
Klicken Sie auf die Modellauswahl, um das Zielmodell auszuwählen

Vorschläge zum Szenariowechsel

SzenarienEmpfohlenes ModellSchlussfolgerungsstärke
Architekturdesigngpt-5.4hoch/xhoch
Komplexes Refactoringgpt-5.4hoch
Fehlerbehebunggpt-5.3-codexmittel
Tägliches Programmierengpt-5.4-mininiedrig/mittel
Schnelle Fragen und Antwortengpt-5.4-miniminimal
Echtzeit-Zusammenarbeitgpt-5.3-codex-sparkminimal

Service-Tier

Die Wahl unterschiedlicher Service-Stufen beeinflusst die Antwortpriorität.

Optionen für Service-Stufen

StufeBeschreibung
flexElastischer Service, Antworten können etwas langsamer sein (Standard).
fastPrioritäts-Service, schnellere Antwort

Einstellungen für Service-Stufen

# ~/.codex/config.toml
service_tier = "fast"

Modelle & Tarife

Die Modellunterstützung variiert je nach Tarif:

PlanVerfügbare Modelle
KostenlosBasismodell
Plusgpt-5.4, gpt-5.4-mini, gpt-5.3-codex
ProAlle Modelle + Spark + höhere Limits.
API-SchlüsselAbrechnung pro Token, unterstützt gängige Modelle.

Kostenüberlegungen

Vergleich des Tokenverbrauchs

ModellRelative Kosten
gpt-5.4Höchste
gpt-5.3-codexMittel-Hoch
gpt-5.4-miniRelativ niedrig
gpt-5.3-codex-sparkNiedrig

Vorschläge zur Kostenoptimierung

  • Verwenden Sie mini- oder Spark-Modelle für einfache Aufgaben.
  • Verwenden Sie mittleren Reasoning-Aufwand für die tägliche Entwicklung.
  • Verwenden Sie das Flaggschiffmodell und hohen Reasoning-Aufwand nur für komplexe Aufgaben.
  • Verwenden Sie /compact, um den Kontext zu komprimieren und den Tokenverbrauch zu reduzieren.

Best Practices

Prinzipien der Modellauswahl

  • Wählen Sie ein Modell basierend auf der Aufgabenkomplexität
  • Antwortgeschwindigkeit und Reasoning-Tiefe ausbalancieren
  • Genauigkeit für komplexe Aufgaben priorisieren
  • Antwortgeschwindigkeit für Interaktionen mit hoher Frequenz priorisieren

Konfigurationsvorschläge

Empfohlene Konfiguration

# Tägliche Entwicklungskonfiguration
model = "gpt-5.4-mini"
model_reasoning_effort = "medium"
model_reasoning_summary = "auto"

# Temporärer Wechsel für komplexe Aufgaben
# /model gpt-5.4 --reasoning-effort high

FAQ

F: Welches Modell ist am besten zum Schreiben von Code geeignet?

gpt-5.3-codex ist für Programmieraufgaben optimiert und eignet sich für die meisten Szenarien beim Schreiben von Code.

F: Wie kann man Geschwindigkeit und Qualität ausbalancieren?

Für alltägliche Aufgaben verwenden Sie gpt-5.4-mini mit mittlerer Reasoning-Intensität; wechseln Sie bei komplexen Aufgaben zu gpt-5.4 mit hoher Reasoning-Intensität.

F: Was sind die Vorteile des Spark-Modells?

Das Spark-Modell reagiert am schnellsten, eignet sich für hochfrequente Interaktion und Echtzeit-Zusammenarbeit und ist nur im Pro-Plan verfügbar.

F: Wie wirkt sich die Reasoning-Intensität auf die Ergebnisse aus?

Höherer Reasoning-Aufwand bedeutet, dass Codex eine tiefere Analyse durchführt, aber die Antwortzeit länger ist.

Weitere Erweiterungen