选择模型与推理强度

模型的名称、可用性、退役日期和价格变化很快，而且取决于你的账号和套餐。本页只讲选择方式；具体有哪些模型请看官方 Models 页和你客户端里的模型选择器。

怎么切换

• 交互式 CLI：在会话里用 /model 切换模型或调整推理强度

• 启动时指定：用 --model（别名 -m）：

  codex --model <model-name>

• 非交互运行：同样适用，例如 codex exec -m <model-name> "Review the current changes"

• IDE 扩展和桌面应用：用输入框下方的模型选择器，同样可以选择推理强度

• 默认值：在 config.toml 里设置 model、model_reasoning_effort（见「配置基础」）

推理强度

更高的推理强度可以提高复杂任务的质量，但耗时更长、用的 token 更多。官方的建议是先用默认强度，当任务需要更深入的规划或分析时再提高。官方模型选择页给出的思路是：

• 把最省成本的模型配低强度，用于边界清晰的小改动和简单的数据提取
• 复杂的技术工作和需要反复修改的交付物用中等强度的较强模型
• 要求苛刻的分析和复杂交付物才用最强的模型和最高强度
• 成本和延迟不敏感时，可以直接默认用最强的模型

选择时要考虑：这个工作流多久运行一次（频繁的自动化会让用量和成本迅速累加）、你多快需要结果、产出怎么使用（给自己审阅的草稿不需要太精致）、结果质量有多重要。官方的建议是用同样的输入对比不同模型和强度，保留满足你质量门槛的最轻设置。

Ultra 模式

官方文档描述的 Ultra 模式超出单智能体运行：它会用子智能体加速复杂工作，适合能拆给多个子智能体的大任务。可用性取决于账号和模型，见「子智能体」页。

模型退役

官方 Models 页会列出即将退役的模型（例如在某个日期从 ChatGPT、ChatGPT Work 和 Codex 的所有套餐里退役，不影响 OpenAI API）。如果你用 ChatGPT 登录，要在退役日期前选好可用的替代模型，并替换工作区默认值、已保存的模型设置、托管配置、自定义智能体、定时任务和选择模型的脚本里写死的旧模型名。