GPT-6.1 / 6 家族 · 模型选用 · 推理强度 · 消耗对比 · 成本优化
截至 2026 年 10 月初,Codex 中的模型已演进至 GPT-6.1 时代。当前可选模型以 GPT-6.1 Sol 为新默认(9 月 29 日 DevDay 发布,仅一周就替换了 GPT-6 Sol),搭配 GPT-6 家族(Astra / Sol / Luna)和 GPT-5.6 家族(Sol / Terra / Luna)。GPT-5.5 将于 10 月 14 日退役。
发布仅一周就替换了 GPT-6 Sol,被 OpenAI 称为「近 Astra 智能,价格仅 1/5」——是当前 性价比的新王者。
新一代旗舰性价比。比 GPT-6 Sol 更聪明、更便宜,能力非常接近 GPT-6 Astra(DeepSWE v1.1 在 high 强度下达到 75.2%,超过 GPT-6 Sol 最高分 68.8%)。
gpt-6.1-sol · 上下文 1.05M · 最大输出 128KGPT-6 家族是当前最新一代,建立在 Astra 的前沿能力之上,以更低的价格覆盖更广泛的工作场景。GPT-6 Sol 已被 GPT-6.1 Sol 取代,建议优先选择后者。
终极旗舰。OpenAI 目前最强大的模型,在编码、计算机使用、科研、安全等领域全面领先。GPT-6.1 Astra 已取消发布。
已被 GPT-6.1 Sol 取代。发布仅 7 天即被升级,新版本在价格不变的情况下能力大幅提升、缓存输入腰斩。
极致轻量、超低成本。高吞吐任务首选,价格比 GPT-5.6 Luna 再降一半。
上代旗舰。支持 max 推理强度和 ultra 模式。促销价持续至 2026 年 11 月 21 日。
均衡之选。GPT-5.5 级性能,7 月 30 日降价 20%。
高速轻量。7 月 30 日降价 80%,性价比极高。
| 计划 | 月费 | 可用模型 | 说明 |
|---|---|---|---|
| Free | $0 | GPT-6 Luna(桌面端) | 硬限制,仅用于快速体验 |
| Go | $8 | GPT-6 Luna(桌面端) | 轻量编码任务 |
| Plus | $20 | GPT-6.1 Sol / 6 Sol / Luna + GPT-5.6 全系列 + 上代模型 | 个人开发者的实用起点 |
| Pro 5× | $100 | 全部 Plus 模型 + GPT-6 Astra + Spark 研究预览 | Plus 5 倍额度 |
| Pro 20× | $200 | 同上 | Plus 20 倍额度 + 无限语音 |
| Pro 500(DevDay 新增) | $500 | 全部 Plus 模型 + Astra + Ultrafast 优先 | 25× Plus 额度 + 唯一含 Ultrafast 的 Pro 计划 |
| Business | $20/人/月(年付) | 同 Plus(GPT-6.1 Sol / 6 全系已开放) | 团队协作 + 安全管控 |
| Enterprise | 联系销售 | 全部模型 + Ultrafast + Private Inference | 企业级安全、审计、定制 |
| API Key | 按用量 | 依 API 密钥权限 | 无云端功能,适合 CI/自动化 |
/agents 视图、Code Review 集成。自 2026 年 4 月 2 日起,Codex 从「按消息计费」改为按 Token 计费,与 API 对齐。计费分为三类:
1 Credit ≈ $0.04(即 25 Credits ≈ $1)
| 模型 | 输入 (Credits/1M) | 缓存输入 (Credits/1M) | 输出 (Credits/1M) | 相对成本(以 GPT-6.1 Sol 为 1.0) |
|---|---|---|---|---|
| Astra GPT-6 Astra | 250 | 25 | 1250 | 输入 5.0× / 输出 5.0× |
| Sol GPT-6.1 Sol(新默认) | 50 | 2.5 | 250 | 1.0×(基准) |
| Sol GPT-6 Sol(已被 6.1 取代) | 50 | 5 | 250 | 输入 1.0× / 输出 1.0×(缓存 2.0×) |
| Luna GPT-6 Luna | 2.5 | 0.25 | 12.5 | 输入 0.05× / 输出 0.05× |
| Sol GPT-5.6 Sol(促销价) | 100 | 10 | 500 | 输入 2.0× / 输出 2.0× |
| Terra GPT-5.6 Terra | 50 | 5 | 300 | 输入 1.0× / 输出 1.2× |
| Luna GPT-5.6 Luna | 5 | 0.5 | 30 | 输入 0.1× / 输出 0.12× |
| GPT-5.5 | 125 | 12.50 | 750 | 输入 2.5× / 输出 3.0× |
| GPT-5.4 | 62.50 | 6.250 | 375 | 输入 1.25× / 输出 1.5× |
| GPT-5.4-mini | 18.75 | 1.875 | 113 | 输入 0.375× |
| 模型 | Plus | Pro 5× | Pro 20× | Pro 500 | Business |
|---|---|---|---|---|---|
| Astra GPT-6 Astra | — | 有限 | 有限 | 丰富 | 有限 |
| Sol GPT-6.1 Sol | 15–150 | 75–750 | 300–3,000 | 丰富 | 15–150 |
| Luna GPT-6 Luna | 350–3,000 | 1,750–14,000 | 7,000–56,000 | 丰富 | 350–3,000 |
| Sol GPT-6 Sol | 15–150 | 75–750 | 300–3,000 | 丰富 | 15–150 |
| Terra GPT-5.6 Terra | 25–200 | 125–1,000 | 500–4,000 | 丰富 | 25–200 |
| Luna GPT-5.6 Luna | 250–2,000 | 1,250–10,000 | 5,000–40,000 | 丰富 | 250–2,000 |
| GPT-5.5 | 15–80 | 80–400 | 300–1,600 | — | 15–80 |
以 20K 输入 + 80K 缓存输入 + 5K 输出 为例(中等复杂度任务):
| 模型 | 输入成本 | 缓存成本 | 输出成本 | 总计(Credits) | 总计(约 $) |
|---|---|---|---|---|---|
| Astra GPT-6 Astra | 5.00 | 2.00 | 6.25 | 13.25 | ~$0.53 |
| Sol GPT-6.1 Sol | 1.00 | 0.20 | 1.25 | 2.45 | ~$0.098 |
| Sol GPT-6 Sol | 1.00 | 0.40 | 1.25 | 2.65 | ~$0.106 |
| Luna GPT-6 Luna | 0.05 | 0.02 | 0.0625 | 0.1325 | ~$0.005 |
| Sol GPT-5.6 Sol | 2.00 | 0.80 | 2.50 | 5.30 | ~$0.21 |
| Terra GPT-5.6 Terra | 1.00 | 0.40 | 1.50 | 2.90 | ~$0.12 |
| Luna GPT-5.6 Luna | 0.10 | 0.04 | 0.15 | 0.29 | ~$0.01 |
| GPT-5.5 | 2.50 | 1.00 | 3.75 | 7.25 | ~$0.29 |
推理强度是比换模型更立竿见影的旋钮。同一模型下,推理强度越高,思考越深、结果越可靠,但耗时越长、消耗也越多。
| 等级 | 适用场景 | 相对消耗 |
|---|---|---|
low(低) | 快速、范围明确的机械任务 | ~0.5× |
medium(中) | 常规编码、单文件修改 | 1.0×(基准) |
high(高) | 复杂变更、跨文件调试 | ~1.5–2× |
xhigh(极高) | 长时间、自主、推理密集型任务 | ~2.5–3× |
max(最大) | 极难问题、需要最深入的单代理思考 | ~3.5–4× |
ultra(极致) | 极难的 agentic 任务、并行子代理(Sol+ 独有) | ~4–5× |
max 是单代理的最深思考;ultra 会自动启动并行子代理,从多维度攻克问题。Ultra 消耗更高,但在复杂多步骤任务上质量提升明显。Ultra 仅 Sol 级以上模型支持。
核心判断框架:选模型的本质 = 拿「任务难度」去匹配「该投多少算力」——多一分是浪费,少一分会翻车。
判断任务难度的三个维度:
| 任务类型 | GPT-6.1 推荐 | 推荐强度 | 理由 |
|---|---|---|---|
| 改变量名、格式化、typo 修复 | 6.1-Luna | low | 纯机械劳动 |
| 单文件小功能开发 | 6.1-Luna | medium | 明确的小需求 |
| 代码解释、日志分析 | 6.1-Luna | low / medium | 阅读理解型 |
| 生成单元测试 | 6.1-Sol / 6.1-Luna | medium | 需理解逻辑,简单场景 Luna 足够 |
| Bug 修复(简单) | 6.1-Sol | medium | 需要推理因果 |
| Bug 修复(复杂/跨模块) | 6.1-Sol | high / xhigh | 需要深度推理 |
| 跨文件重构 | 6.1-Sol | xhigh | 影响面大 |
| 新功能开发(中型) | 6.1-Sol | high | 平衡质量与成本的甜点 |
| 架构设计、技术选型 | 6.1-Sol / 6-Astra | high / xhigh | 高决策价值,关键决策上 Astra |
| 复杂系统调试 | 6.1-Sol / 6-Astra | xhigh / max | 疑难杂症先 6.1-Sol+max,不行再 Astra |
| 安全审计、渗透测试 | 6-Astra | xhigh / max | 高风险 + 高复杂度(6.1 Astra 已取消) |
| 子代理(探索/搜索/分类) | 6.1-Luna | low / medium | 量大、任务简单 |
| CI/CD 自动化任务 | 6.1-Luna | low / medium | 批量、可重复 |
codex -m gpt-6.1-sol "重构用户认证模块"
codex --model gpt-6.1-luna "搜索所有 TODO 注释"
/model gpt-6-astra
/model gpt-6.1-sol
/model gpt-6.1-sol-ultrafast # 即将上线
在 ~/.codex/config.toml(全局)或 .codex/config.toml(仓库级)中:
model = "gpt-6.1-sol"
model_reasoning_effort = "high"
[subagents]
model = "gpt-6.1-luna"
model_reasoning_effort = "medium"
很多人以为「Prompt 越短越省」,其实不然。一个模糊的大需求会让 Codex 读取整个项目、反复试错,总消耗可能是明确小任务的 5–10 倍。
❌ 坏例子:
帮我优化订单模块。
✅ 好例子:
目标:修复订单列表切换分页后筛选条件丢失的问题。
优先读取:
- src/pages/orders/OrderList.tsx
- src/hooks/useOrderQuery.ts
- tests/order-list.test.ts
限制:
- 不修改后端;
- 不引入新依赖;
- 最多修改 3 个文件;
- 先分析原因,再生成 Patch。
缓存输入价格仅为正常输入的 10%。长会话中,已经加载过的上下文会被缓存,后续轮次的成本大幅降低。
输出 Token 是最贵的(输入的 5–6 倍)。在 Prompt 中明确要求输出简洁:
- 直接给出代码,不要解释每一行
- 只输出修改的函数,不要贴整个文件
- 用 diff 形式展示变更
| 角色 | 模型 | 职责 |
|---|---|---|
| 大脑 主代理(攻坚) | 6-Astra | 关键架构决策、疑难调试、安全审计 |
| 主力 主代理(日常) | 6.1-Sol | 规划、开发、代码审查、日常主力(默认) |
| 手 子代理 | 6.1-Luna | 搜索、整理、写测试、跑 lint |
在升级到更贵的模型之前,先试试提高当前模型的推理强度。6.1-Sol + max 往往能解决问题,成本仍低于 6-Astra + medium。
AGENTS.md 每轮对话都会加载,文件越大,每轮的输入 Token 越多。
/status 查看当前会话的消耗核心矛盾:额度有限但需求不少
核心矛盾:额度够,但有没有浪费?
核心矛盾:追求速度与额度天花板
核心矛盾:统一治理与成本透明
AGENTS.md 是 Codex 的「仓库级说明书」,会自动加载到上下文中。
核心内容清单:
快速初始化:在 CLI 中运行 /init 可自动生成初版。
当你发现自己反复用同一段 Prompt 或纠正同一种工作流时,就该把它变成技能了。
适合做成技能的场景:
模型上下文协议(MCP)让 Codex 能调用外部系统。注意:每个 MCP 服务器都会增加上下文和消耗,只添加真正需要的。
对于复杂任务,先让 Codex 做规划再写代码,能大幅减少「写了改、改了删」的浪费。
/plan 或 Shift+Tab 切换Codex 不只是写代码的工具,也能审查代码:
/review 命令审查未提交的改动code_review.md额度用不完不代表可以浪费。更重要的是高推理强度模型在简单任务上反而更慢,养成好习惯等额度紧张时就不用改。
模糊的需求 = 更多的探索 = 更多的文件读取 + 更多轮次的修正 = 更多的总消耗。精准的 Prompt 反而更省钱。
AGENTS.md 每轮都加载,太长会:增加每轮的基础输入 Token、淹没真正重要的规则、让 Codex 注意力分散。保持简洁,只加经过验证的规则。
长期不归档的线程会让上下文越来越臃肿、缓存质量下降、被旧决策误导。最佳实践:一个连贯工作单元一个线程。工作分叉时用 /fork。
子代理能并行提速,但每个子代理都消耗 Token。简单任务用子代理反而可能增加总消耗和协调开销。子代理适合:独立的、可并行的、低复杂度的探索性任务。
不稳定的工作流做成自动化,只会把问题放大:可能在你睡着时跑一堆没用的任务、错误重复执行消耗大量 Token。先做成技能验证稳定性,再上自动化。
新手最容易犯的安全错误。默认应该是严格权限,只在确认可信的仓库/工作流上逐步放宽。