一、先抄这张表：任务 × 档位决策速查

如果没时间读完，直接看这张表就够了。它基本覆盖了八成日常场景——找到你正在做的任务，照着调就行。

新手最容易在这两件事上吃亏：用最强模型跑批量改（白白烧用量），用快模型跑复杂重构（结果不行又得返工）。学会按任务难度调档，才是省用量的最大杠杆——核心原则是“按需分配”，而不是“永远调最高”。

不确定当前任务落在哪一行？用这三步判断：

1. 先问难度：这件事是“机械重复 / 改格式 / 查一下”，还是“要跨多个文件理解后再动手”？前者往轻量挡走，后者往主模型 + 高推理走。
2. 再问紧不紧：你会盯着屏幕等结果吗？会就考虑开加速，不会（后台跑 / 长任务）就关掉，省用量。
3. 最后问代价：这件事改错了好不好回滚？好回滚的（有 git 检查点）大胆用低挡试，难回滚的（架构迁移、删数据）才值得上最贵的 xhigh。

下面把每个旋钮拆开讲，每节都给一张可以直接抄的对照表。

二、Codex 不是「一个模型」，是「一组旋钮」

Codex 设置页里那几个下拉菜单，本质上是把控制 AI 行为的几个维度分开交给你。核心有四个旋钮：

这四个旋钮是互相独立的——同一个模型可以配低推理 + 简短输出 + 不开加速，也可以配高推理 + 详尽输出 + 开加速。但新手不用记全部组合，只要记住第一节那张速查表里的几种典型搭配就够。

为什么 OpenAI 不直接做一个“智能档位”总开关？因为不同任务的最优解是互相矛盾的：

没有任何单一按钮能同时把速度、质量、成本都拉满——所以 Codex 把选择权交给你，按任务自己权衡。

三、模型（Model）怎么选：按定位选，不是按高低排

模型是四个旋钮里影响最大的一个。先说清楚一点：Codex 的几个模型不是一条从弱到强的直线，而是定位不同。下表是 OpenAI Codex 模型页给出的官方定位（按用途归类，不是按高低排序）：

3.1 新手默认：从官方推荐的最新前沿模型起步

OpenAI 模型页明确写了“多数 Codex 任务从 gpt-5.5 起步”（For most tasks in Codex, start with gpt-5.5）。先用最新前沿模型把活跑顺，跑顺了再按需要往 mini 省、往专精模型调。

很多新手会纠结“最新最强的不是最贵吗，为什么官方反而推荐先用它”。这里要分清两件事：单看一次请求，更强的模型确实可能更贵；但省不省用量看的是“把活做成”的总成本，不是单次成本。能力更强的模型往往一次就把任务做对，弱模型可能要反复试、来回返工，加起来未必更省。所以新手的正确顺序是“先用够强的把任务跑顺、建立判断，再针对简单任务往轻量挡省”——而不是一上来就为了省钱用最弱的模型，结果在返工上把省下的用量又赔进去。

# 命令行（CLI）模式：在 ~/.codex/config.toml 写
model = "gpt-5.5"

# 桌面应用（App）模式：在 Settings → Model 选最新主模型

3.2 什么时候该换轻量 mini

下面这些场景换 mini 系列更划算——官方对 mini 的定位就是“快速高效、面向快速响应的任务和子袋里”：

切换最快的方法：CLI 里敲 /model，选 mini。

3.3 Spark：实时迭代专用

gpt-5.3-codex-spark 是研究预览模型，专为“近乎即时的实时编程迭代”设计。适合在编辑器里要 AI 即时回应、做局部小改；不适合跨文件重构、复杂逻辑设计、长会话深推理。新手第一周一般用不到，先用主模型跑顺。

3.4 模型 × 推理深度：组合矩阵

模型和推理深度是两个旋钮，真正决定一次任务表现的是它们的组合。下面这张矩阵把“模型档次 × 推理深度”拆开，标出每个交叉格典型用在哪、要注意什么。读这张表的方法：先按任务难度找行（轻量还是主模型），再按要不要深思找列。

两条用这张表的经验：

• 左上角最省、右下角最贵。同一件事能用左上角解决就别往右下角挪——这就是省用量的核心动作。
• 轻量模型 + 高推理这一格基本是浪费。要的是深推理就直接上主模型；mini 的价值在“快和省”，给它配 xhigh 等于既不够聪明又不省钱。

四、推理深度（Reasoning Effort）怎么调

推理深度是第二大影响力旋钮，决定模型“内部想多深”。

4.1 五档分别什么意思

按 OpenAI Codex 配置参考，model_reasoning_effort 的取值是 minimal | low | medium | high | xhigh 五档（注意：xhigh 是否可用取决于具体模型）。官方没有声明哪一档是默认值——所以下表只标用途，不标“默认”。

4.2 按任务选档对照表

4.3 新手两个误区

误区一：默认就上 xhigh。 简单任务用 xhigh 不仅更慢更费用量，还可能因为“想太多”引入不必要的复杂度，结果反而不如 medium。OpenAI 文档对推理档位的建议是按任务难度选一档、自己测试在工作流里哪档最好，并强调不同用户、不同任务适合不同设置——没有“越高越好”这回事。

误区二：把推理深度当质量补救。 结果不行时，先查的应该是提示词和 AGENTS.md，而不是把 reasoning effort 一路拉高。下面是结果不达标时的排查顺序，调推理深度排在最后：

前四步没排查就一路拉高推理深度，多数时候只是更慢更贵，质量并不会真正变好。

4.4 调推理深度的几种方式

# 方式一：CLI 一次性指定
codex -c 'model_reasoning_effort="high"' "重构这个模块"

# 方式二：写进 ~/.codex/config.toml 持久化
model_reasoning_effort = "high"

# 方式三：会话内切换
/reasoning high

CLI 与 IDE 扩展共用 config.toml，一次配置多端生效。

五、输出密度（Verbosity）和加速模式（Fast Mode）

第三、四个旋钮影响相对小，但用对了能省时间或省用量。

5.1 输出密度（Verbosity）

按 config-reference，model_verbosity 取值是 low | medium | high 三档；官方说明是“不设时使用所选模型或预设自带的默认”——同样没有把某一档钉死成默认。

verbosity 控制“Codex 给你输出多详细”，reasoning effort 控制“Codex 内部想多深”——前者影响阅读体验，后者影响质量，是两件事。

5.2 加速模式（Fast Mode）：花用量换速度

按 OpenAI Codex speed 页，“Fast mode 让受支持模型的速度提高 1.5 倍”（increases supported model speed by 1.5x），代价是用量积分按更高倍率消耗——官方页给的倍率是 GPT-5.5 为标准档的 2.5 倍、GPT-5.4 为标准档的 2 倍。也就是说，提速 1.5 倍要付出 2 到 2.5 倍的用量，划不划算取决于你是不是真在等。

Fast mode 只在用 ChatGPT 账号登录时可用；用 API key 时走标准 API 计费、用不了 Fast mode。

# 会话内开关
/fast on
/fast off
/fast status

# 持久化在 config.toml
service_tier = "fast"
[features]
fast_mode = true

什么时候开：

5.3 服务档位（Service Tier）：还有一个 flex

按 config-reference，service_tier 的内置值含 flex 和 fast。flex 速度更慢但消耗更低，适合不在乎延迟的批处理；fast 就是上面的加速模式。新手第一周不用碰 flex，先把标准档与 fast 切顺。

六、配置集（Profiles）：把组合存起来一键切

旋钮多了，每次任务前手动调四个开关很烦。配置集（Profiles）就是解决这个的——把“模型 + 推理深度 + 输出密度 + 服务档位 + 沙箱 + 审批”一整套打包命名，启动时一行 --profile <名字> 切换。

6.1 直接抄这套配置集

把下面这段加到 ~/.codex/config.toml：

# ============ 配置集 1：日常默认 ============
[profiles.daily]
model = "gpt-5.5" # 主模型
model_reasoning_effort = "medium" # 平衡推理
model_verbosity = "medium"  # 平衡输出
sandbox_mode = "workspace-write" # 工作区可写
approval_policy = "on-request"   # 按需问

# ============ 配置集 2：批改省用量 ============
[profiles.budget]
model = "gpt-5.4-mini"   # 轻量模型
model_reasoning_effort = "low"   # 低推理
model_verbosity = "low"  # 简短输出
sandbox_mode = "workspace-write"
approval_policy = "on-request"

# ============ 配置集 3：复杂重构 ============
[profiles.deep]
model = "gpt-5.5"
model_reasoning_effort = "high"  # 深推理
model_verbosity = "medium"
sandbox_mode = "workspace-write"
approval_policy = "on-request"

# ============ 配置集 4：极难任务 ============
[profiles.extreme]
model = "gpt-5.5"
model_reasoning_effort = "xhigh" # 最深（受模型支持限制）
model_verbosity = "high" # 详细输出
sandbox_mode = "workspace-write"
approval_policy = "on-request"

# ============ 配置集 5：只读探索 ============
[profiles.readonly]
model = "gpt-5.4-mini"   # mini 省用量
model_reasoning_effort = "low"
sandbox_mode = "read-only"   # 只读
approval_policy = "on-request"

切换：

codex --profile daily     # 日常
codex --profile budget    # 批改省用量
codex --profile deep      # 复杂重构
codex --profile extreme   # 极难任务
codex --profile readonly  # 只读探索

6.2 配置集只在命令行（CLI）有效

按 config-reference，profile 文件存为 $CODEX_HOME/<名字>.config.toml，靠 codex --profile <名字> 加载——这是命令行（CLI）的能力。桌面应用（App）没有这个一键切换入口，IDE 扩展虽与 CLI 共享 config.toml，也没有等价的一键切档命令。主要用 App 的人要切档，只能进 Settings 手动调每个旋钮——这是 CLI 比 App 顺手的地方之一，Codex 四个入口对比里展开讲过。

七、官方省用量做法 + 实战补充

OpenAI Codex pricing 页公开了四条让用量上限更耐用的官方做法。下面前四条是官方原话要点，后两条是配套的实战补充（已标注非官方）。

下面把最常用的两条展开。

7.1 控制提示词与缩短 AGENTS.md

AGENTS.md 在每次对话都自动加载，文件越长每次消耗的输入令牌（token）越多。新手该做的：全局 AGENTS.md 别堆太长；项目专属规则放项目根的 AGENTS.md，不要全塞进全局；单体仓库（monorepo）里用多级 AGENTS.md，不要把所有子项目规则放根目录。

7.2 关掉不用的 MCP + 压缩长会话

• 配置文件里只列你真用的 MCP，不用的删掉或暂停。
• 长会话里用 /compact 把之前的内容压缩成摘要，释放上下文空间——对话超过二十来轮、切换到新子任务、或看到上下文占用偏高的提示时，压一下。
• 跑批别用交互模式逐个开，用 codex exec 循环跑：

# 反例（每篇都重新加载完整上下文）：
for file in *.md; do
  codex> 改 $file 的标点
done

# 正例（一条命令循环跑，每篇任务体令牌独立）：
for file in *.md; do
  codex exec --profile budget "把 $file 的中文标点改全角"
done

7.3 子袋里（Subagent）的用量账

Codex 不会自动拆子袋里，只在你明确要求时才启动。但每个子袋里都独立跑一遍模型加工具调用，所以子袋里工作流的总用量会明显高于单袋里——官方没有给出具体倍率，但“每多一个袋里就多一份模型与工具开销”这笔账要心里有数。

子袋里什么时候真正值得用，见子袋里与并行编排。

7.4 每月花五分钟看一次 Usage

省用量不是一次配好就完事，而是定期回头看。Codex 设置里有 Usage 面板，每月底花几分钟看三件事，往往能在下个月省下一笔：

八、六种典型任务的完整旋钮组合

第一节给了速查表，这一节把六种高频任务展开成完整组合，连沙箱、配套动作一起说清。

8.1 任务 A：日常写代码

场景：写一个接口、加一个表单、改一段业务逻辑、debug 一个不太难的 bug。

用 daily 配置集就是这套。

8.2 任务 B：跑批改、批量处理

场景：批量改文章标点、批量替换 import 路径、给一批组件补 alt 文本。

切到 budget 配置集，配合 codex exec 后台跑。这类任务质量不分高下（标点改对就是改对），mini + 低推理跑得更快、用量是主模型的零头——把批改硬塞给主模型是新手最常见的浪费。

8.3 任务 C：跨文件复杂重构

场景：把嵌套 if-else 拆成早返回、把一套路由迁到另一个框架、class 组件改 hooks。

切到 deep 配置集，可以先让它 Plan（规划）再动手。复杂重构动手前先 git commit 一次当检查点——改坏了能直接 git reset 回滚。

8.4 任务 D：架构迁移、安全审计

场景：换数据库、换状态管理库、做安全审计、跨语言迁移。

切到 extreme 配置集，配合 Plan 模式 + 反复核对。这是少数 xhigh 真值得的场景：任务越难、回滚成本越高，多花的用量越划算。反过来，简单任务硬上 xhigh 就是纯烧用量。

8.5 任务 E：实时编辑器补全

场景：在 IDE 里按 Tab 补全函数、补全 import、补全测试用例。

实时补全主要在 IDE 扩展里用（见 Codex 四个入口对比），CLI 模式很少做这件事。

8.6 任务 F：探索 / 调研

场景：让 Codex 解释陌生代码、扫一个新仓库介绍架构、查 API 怎么用。

切到 readonly 配置集。这种任务沙箱必须设只读——避免 Codex“热心”帮你改代码。沙箱与审批怎么配，见 OpenAI Codex 沙箱与审批。

九、五个最容易踩的旋钮坑

十、跑顺一两周之后的进阶路径

第一份默认配置跑顺后，会自然产生进阶需求：

十一、开会话前的自检清单

每次开会话前对自己问一遍：

• [ ] 这个任务真需要主模型吗？mini 够不够？
• [ ] 复杂度够升 high 吗？还是 medium 就行？
• [ ] 我会盯着屏幕等吗？要不要开 Fast？
• [ ] AGENTS.md 是不是又长了？要不要剪一下？
• [ ] 开着的 MCP 都用得到吗？
• [ ] 当月用量还剩多少？
• [ ] 这个任务该用配置集，还是手动调？

一句话收官

OpenAI Codex 不是“一个模型”，是“一组旋钮”——模型 / 推理深度 / 输出密度 / 加速模式四个独立维度。新手最大的杠杆是学会按任务难度切档，不是“调到最高”。

记住第一节那张速查表就够开工：日常写代码用主模型 + medium、批改切 mini + 低推理、最难任务才上 xhigh、只在盯着屏幕等时开 Fast。光是“该用 mini 的时候不硬用主模型”这一条，就能让同样的额度明显多撑一阵。模型名、档位默认值、价格倍率这些都会变，落地前以 OpenAI 官方当前文档为准。