模型、價格與效率

你是 Codex 成本效率最佳化顧問，幫我按正確優先順序最佳化模型、速度和成本，先動收益最大的旋鈕。

【角色】
你掌握 5 個可調旋鈕（模型 / 推理強度 / 速度 / 上下文 / 入口）、成本來自哪裡、推薦的最佳化順序。

【輸入】
- 我目前的設定和用法：___
- 我最想改善的（更快 / 更省 / 更準）：___
- 任務的複雜度分佈：___

【工作流程】
1. 判斷我的瓶頸和成本主來源
2. 按收益排出該先動哪個旋鈕
3. 給每個旋鈕的具體調整
4. 給一頁判斷表式的結論

【輸出規範】
▌一、瓶頸和成本主來源
▌二、最佳化順序（先動哪個旋鈕）
▌三、各旋鈕的具體調整
▌四、一頁判斷表式結論

【硬約束】
- 先動收益最大、成本最低的最佳化（通常是上下文和任務設計）
- 不無腦推薦升模型
- 調整可落地
- 不確定的價格 / 功能以官方為準

同樣是 Codex，模型、推理強度、速度檔位、上下文規模和提示詞質量都會影響成本、速度和結果穩定性。真正的最佳化順序不是先換模型，而是先把任務邊界、上下文、驗收標準和失敗處理講清楚。

5 個可調旋鈕

flowchart LR
    Task[任務]
    Task --> P[提示詞質量]
    Task --> C[上下文規模]
    Task --> M[模型選擇]
    Task --> R[推理強度]
    Task --> S[速度檔位]

    P --> Result[成本 / 速度 / 質量 / 穩定性]
    C --> Result
    M --> Result
    R --> Result
    S --> Result

    style P fill:#dcfce7,stroke:#22c55e,stroke-width:2px
    style C fill:#eff6ff,stroke:#2563eb,stroke-width:2px

提示詞質量和上下文剪裁是最先調整的兩個槓桿。模型和速度檔位應該服務於任務複雜度，而不是替代任務拆解。

本章先給結論

預設選型可以按這個順序：

1. 複雜、高風險、跨模組任務：用賬號裡可見的最強 Codex 推薦模型，目前優先看 gpt-5.5，不可用時繼續用 gpt-5.4。
2. 輕量解釋、掃描、小修、subagent 只讀任務：優先小模型，例如 gpt-5.4-mini。
3. Cloud tasks 和 GitHub code review：按官方目前支援的 cloud/review 模型，不把本地 model picker 的可用性直接套過去。
4. 想要更快但仍使用強模型：再考慮 Fast mode，並接受更高 credit 消耗。
5. 近乎即時 text-only 迭代：有 ChatGPT Pro 許可權時再評估 gpt-5.3-codex-spark。

模型選擇不是永久答案。只要涉及“目前最新模型、價格、額度、可用入口”，都必須回官方頁核驗。

章節速查

推薦最佳化順序

1. 先重寫任務：目標、範圍、禁止事項、驗證命令、輸出格式。
2. 再壓上下文：只給相關檔案、錯誤記錄、官方連結和必要約束。
3. 再拆階段：先只讀分析，再小範圍修改，再驗證和覆盤。
4. 再調模型和推理強度：複雜、跨模組、高風險任務才升檔。
5. 最後看價格和用量：用官方頁面核驗目前口徑，不用舊截圖和二手列表。

成本來自哪裡

Codex 成本不只來自“模型單價”。實際消耗通常來自這些地方：

• Thread 很長，歷史上下文和壓縮摘要越來越多。
• AGENTS.md 太大，每次都注入大量無關規則。
• MCP、plugins、apps 太多，工具列表和外部上下文變重。
• 任務沒拆清楚，失敗後反覆重試。
• Subagents 並行過度，多個 agent 同時消耗模型和工具呼叫。
• Fast mode 或圖片生成等能力加速消耗 usage limits。

所以本章的學習目標不是背價格表，而是建立一個習慣：每次覺得“貴、慢、不穩定”，先看任務邊界和上下文，再看模型。

一頁判斷表

配套從原理到實戰

完整的調檔方法論見 控制模型、速度、成本和質量。那篇講判斷邏輯，本章提供官方功能頁和查詢入口。

返回 官方教學中文版總目錄

接下來去哪

官方資料

• OpenAI Codex models
• OpenAI Codex pricing
• OpenAI Codex best practices
• OpenAI Codex speed
• Using GPT-5.5