Codex 三档模型 sol / terra / luna 怎么选：从你的处境倒推，而不是比参数

2026-08-09

选模型这件事，最没用的做法就是打开官方《Models》页把三档的星级抄下来，然后挑一个”看起来够用的”。因为 Codex（OpenAI Codex）这三档的差别根本不落在星级上——它落在可用面和账单量级上，这两样东西星级一个字都没说。

先把三条决定性的事实摆出来，再讲怎么倒推。

一、三档的官方口径，以及星级之外真正卡人的地方

按官方《Models》文档页（核对日 2026-08-09）：

模型名	官方定位（原文）	能力/速度（官方星级）	可用面
`gpt-5.6-sol`	”Flagship GPT-5.6 model with the strongest capability for complex coding, computer use, research, and cybersecurity.”	能力 5 星 / 速度 2 星	全平台，含 API
`gpt-5.6-terra`	”Balanced GPT-5.6 model for everyday work, with performance competitive with GPT-5.5 at a lower cost.”	能力 4 星 / 速度 3 星	Codex cloud 不可用
`gpt-5.6-luna`	”Fast and affordable GPT-5.6 model that delivers strong capability at the lowest cost in the family.”	能力 3 星 / 速度 4 星	云端任务不可用

模型名请一律照抄小写连字符原名，别写成”Sol 模型""5.6 旗舰版”，配置文件里认的是前一种。

星级那一列看着像一条平滑的曲线：能力 5/4/3，速度 2/3/4。真按这条曲线选，你会得出”中间的 terra 最均衡”的结论，然后在第一次跑云端任务时撞墙——terra 和 luna 在 Codex cloud 上不可用。而且官方还补了一句更容易被忽略的：Codex cloud 是自动选模型的，不是你本地配置成什么，云端就跟着用什么。所以”我在 config 里写好了 terra，云端应该也照办”这个推断是错的，从根上就不成立。

另外还有一款研究预览模型 gpt-5.3-codex-spark，官方定位是 “Text-only research preview model optimized for near-instant, real-time coding iteration. Available to ChatGPT Pro users.”。它是纯文本的研究预览，只出现在桌面应用和 CLI 两个面上，且只对 ChatGPT Pro 用户开放。研究预览这个阶段标签得带上——它不该被当成日常主力去规划工作流。

二、25 倍差是量级问题，不是百分比问题

官方《Pricing》页给的积分单价（credits / 1M tokens，核对日 2026-08-09）：

模型	Input	Cached Input	Output
GPT-5.6 Sol	125	12.5	750
GPT-5.6 Terra	50	5	300
GPT-5.6 Luna	5	0.5	30

这张表值得多看两眼，因为从里面能直接算出三条比例关系，而这三条比星级有用得多：

第一，sol 和 luna 之间是 25 倍。 输入 125 对 5，输出 750 对 30，都是 25 倍。这意味着”要不要上 sol”不是”贵一点”的取舍，而是量级切换。同样一批活儿，选型选错方向，账单不是多花两成，是差一个数量级。反过来说，如果一类任务确实用 luna 也能交付，把它从 sol 挪下来的收益极其可观，值得专门花时间去分类。

第二，输出比输入贵 6 倍（750/125、300/50、30/5，三档全是 6 倍）。所以想省，优先省输出而不是省输入。让模型少读两个文件，和让它别把改动后的整份文件重新贴一遍、别写三百字总结，后者的性价比高得多。

第三，缓存命中的输入单价是未缓存的十分之一（125→12.5、50→5、5→0.5，三档同比例）。也就是说”让上下文可复用”这件事在账单上是直接可见的，不是玄学优化。

官方另给了一个经验值：GPT-5.6 平均每条消息 5–40 credits。注意这是一个跨度八倍的区间，不是一个可以拿来做预算的数。credits 和货币之间的换算关系官方定价页上没给，我也不打算替它推——凡是需要额外假设才能算出的”一个月大概多少钱”，都不要信。（以上价格与单价均出自 ChatGPT 官方定价页，2026-08-09 核对，以官方为准。）

三、你的订阅档位先把选型范围框死了一半

在挑模型之前，先确认你手上是哪一档。官方《Pricing》页的个人档位（同上核对日）：

档位	价格（官方原文）	用量口径
Free	$0/month	—
Go	$8/month	—
Plus	$20/month	10–2,000 messages / 5h 窗口（随模型不同）
Pro	Starting at $100/month	50–40,000 messages / 5h 窗口（随模型与档位不同）
API Key	按 token 用量计费	—

有三个口径必须说清楚，不然读完只会更糊涂：

计量单位是 messages（消息数），不是 token，也不是”任务数”，窗口是 5 小时滚动窗口。
同一档位内区间跨度极大，官方明确说这取决于模型（Pro 还取决于档位）。所以那个 2,000 或 40,000 不是承诺给你的额度，别拿上限做计划。反过来看，这条正好和选型咬合：你选哪一档模型，直接影响同一个订阅下你能发多少条消息。
Pro 是 $100/month 档为 5 倍上限、$200/month 档为 20 倍上限，gpt-5.3-codex-spark 研究预览包含在 Pro 里。

另外，官方公告里有一个限时活动：限时内 Codex 包含在 ChatGPT Free 与 Go 中，并且 Plus、Pro、Business、Enterprise、Edu 的速率上限翻倍，更高上限在 app、CLI、IDE、cloud 四个面上都适用。这是限时活动，不是常规权益，别把它写进长期的成本假设里。价格与活动随时可能调整，下单前请以官方页面为准。

团队侧的 Business 是 $20/user/month（2 人起，年付；按月付为 $25/month），Enterprise 与 Edu 是定制报价需联系销售。

四、决策路径：四个问题，顺序不能换

前面三节的信息量已经够了，下面把它们串成一条能走到底的路。顺序很重要，因为前两个是硬约束，后两个才是取舍。

问题一：这个任务要不要在 Codex cloud 上跑？ 要跑云端 → terra 和 luna 直接出局，可用面上只剩 sol。同时记住云端是自动选模型的，你的本地配置在那边不作数。不跑云端 → 进入问题二。

问题二：你要它改文件、跑命令，还是只让它读和答？ 需要它连续改文件、跑构建、来回验证的多步任务，输出量和轮次都会往上走。这类任务恰恰是”输出比输入贵 6 倍”最吃亏的地方，同时也最需要能力档。此时 sol 的能力 5 星是有针对性的——官方对它的定位就是 complex coding。只是读代码、解释报错、写一段说明、做格式转换这类一轮就完的活儿，能力 3 星的 luna 配上它 4 星的速度就是对的选择，25 倍差价没必要花。

问题三：你的订阅额度是紧还是松？ 额度紧（比如 Plus，或者在限时活动之外的 Free/Go 情形）→ 日常默认落 terra 或 luna，把 sol 留给真正卡住的问题，用完再切回来。额度松（Pro 的高倍数档）→ 可以把默认放在 sol，但仍然建议把批量的、机械的活儿单独降档，因为 5 小时窗口的消息数是随模型变的，全用最贵那档等于自己收紧窗口。

问题四：你的历史配置里还写着什么模型？ 这一问看着离题，其实是眼下最容易出事的一环，见下一节。

至于推理强度，官方给的选择原则是原话”选够用的最低档”。官方档位说法是 Light/Low（快任务）、Medium（平衡）、High 与 Extra High（需要多步的复杂任务），另有 Max（对单个问题启用扩展推理）和 Ultra（派生子代理并行处理任务）两个特殊模式。这里有个坑要提醒：界面上的档位名和配置文件里的取值不是同一套字符串——config.toml 的 model_reasoning_effort 接受的是 minimal / low / medium / high / xhigh。两套名字看着能对上，但官方并没有给映射表，别自己推着用。

五、把结论落到配置上，以及 8 月 31 日那件事

配置里和模型选型相关的键有这么几个：model（会话模型）、review_model（/review 专用模型，不设则继承会话模型）、agents.default_subagent_model（子代理默认模型）。官方 config.toml 里给的示例形如 model = "gpt-5.6"。

按上面的决策路径，一个”主力上 sol、把周边活儿降档”的组合大致是这样：

model = "gpt-5.6-sol"
model_reasoning_effort = "high"
review_model = "gpt-5.6-terra"

以上为按官方文档键位组合的示例，未逐项实测，以官方文档为准。review_model 单独降档的道理是：评审这类任务量大且相对模式化，而它默认会继承会话模型——不显式写一行，你的评审就跟着主力模型一起按最贵那档计费了。

在 codex-cli 0.147.0（Windows 11）上，我这台机器的 ~/.codex/config.toml 里实际就是 model = "gpt-5.6-sol"、model_reasoning_effort = "high"、service_tier = "default" 这一组值，可以对着看键名的写法。

最后是问题四的答案，也是这篇最有时效性的一段。官方原文：“GPT-5.4 and GPT-5.4 mini retire from Codex on August 31, 2026.” 迁移映射官方也给定了：gpt-5.4 → gpt-5.6-terra，gpt-5.4-mini → gpt-5.6-luna。另外 gpt-5.2 和 gpt-5.3-codex 已被标记为 deprecated。

真正麻烦的不是改一行配置，而是要改的地方不止一处。官方点名的清单是：workspace 默认模型、保存的模型设置、managed config（受管配置）、自定义 agent、计划任务（scheduled tasks）。只在交互界面里把当前会话的模型换掉是不够的，上面五处任何一处还写着 gpt-5.4，8 月 31 日之后都会出问题。计划任务尤其阴——它不在你眼前跑，坏了你未必第一时间知道。

还有一条容易骗到人的：在 codex-cli 0.147.0（Windows 11）上，config.toml 里存在一段

[notice.model_migrations]
"gpt-5.3-codex" = "gpt-5.4"

说明 Codex 会把”已确认过的模型迁移”记在 notice.model_migrations 这张老名→新名的映射表里。也就是说迁移提示是一次性确认的，确认过就不再弹。所以”我没看到迁移提示，应该不用管”这个推理不成立——该查还得自己去查那五个地方。退役时间以官方最新说明为准。

六、这套选型什么时候不适用

三种情况下，上面的路径要打折扣。

一是你的任务只在 Codex cloud 上跑。那么选型这件事本身就轮不到你做决定，云端自动选模型，本地 config 的 model 影响不到它。这时候你能优化的是任务怎么切、上下文怎么复用，不是选哪一档。

二是你要用 gpt-5.3-codex-spark。它是研究预览、纯文本、只在桌面应用和 CLI 上、只对 ChatGPT Pro 开放。这四个限制任何一条不满足，它就不在你的候选集里；即便满足，研究预览阶段的东西也不宜放进依赖它才能跑通的流程里。

三是你走 API Key 按 token 计费。这条路的计费口径和订阅档位的 messages / 5 小时窗口不是一回事，前面关于”额度紧还是松”的判断整段不适用，得按 token 单价那张表自己算。

顺带一提，桌面应用、Codex cloud、IDE 扩展这几个面我这边都没有实测，本文涉及它们的部分全部是官方文档口径。