Codex: Sådan aktiverer du GPT-5.6 Sol 1M-kontekst: 3-linjers `config.toml` konfigurationsvejledning

GPT-5.6 Sol's officielle kontekstvindue er 1.050.000 tokens, men Codex bruger som standard ikke hele vinduet. For at få meget lange samtaler til at komprimere så lidt som muligt, skal du blot tilføje 3 linjers konfiguration øverst i Codex' config.toml:

model = "gpt-5.6-sol"
model_context_window = 1000000
model_auto_compact_token_limit = 900000

Efter at have gemt skal du genstarte Codex og åbne en ny session. Nedenfor gennemgås konfigurationsplaceringen, hvad de enkelte linjer gør, hvordan du starter en enkelt session, samt vigtige bemærkninger.

Konklusionen først: Hvad de 3 linjer gør hver især

OpenAIs Codex-konfigurationsreference har officielt listet konfigurationsmulighederne model_context_window og model_auto_compact_token_limit; GPT-5.6 Sol model siden angiver, at kontekstvinduet er 1.050.000 tokens og den maksimale output er 128.000 tokens.

Her skrives der ikke direkte 1.050.000, men i stedet 1.000.000 for at efterlade en lille margen til systemprompt, værktøjsresultater og implementeringsforskelle. Den automatiske komprimeringsgrænse sættes derefter til 900.000, så Codex har plads til at foretage komprimeringen, i stedet for at vente til vinduet er ved at sprænge.

Trin 1: Find Codex' `config.toml`

Codex' brugerkonfigurationsfil ligger på:

• macOS / Linux: ~/.codex/config.toml
• Windows: %USERPROFILE%\.codex\config.toml

På macOS eller Linux kan du køre:

mkdir -p ~/.codex
nano ~/.codex/config.toml

I Windows PowerShell kan du køre:

notepad $env:USERPROFILE\.codex\config.toml

Hvis filen ikke findes, så opret den; hvis den allerede findes, så rediger den i stedet for at overskrive eksisterende MCP-, tilladelses- eller projektkonfigurationer.

Trin 2: Placer konfigurationen øverst i filen

Placer følgende 3 linjer øverst i config.toml:

model = "gpt-5.6-sol"
model_context_window = 1000000
model_auto_compact_token_limit = 900000

Det skal absolut placeres før den første [section]-overskrift. Hvis din fil allerede for eksempel indeholder:

[projects."/path/to/project"]
trust_level = "trusted"

De 3 modelkonfigurationslinjer skal ligge oven over. I TOML vil almindelige nøgler skrevet efter [projects."..."] blive betragtet som indhold i den sektion og ikke som global konfiguration.

Hvis filen allerede har en linje med model = "...", så skift den direkte til gpt-5.6-sol; skriv ikke to model-linjer. Anvend også engelske halvbredde dobbelte anførselstegn " – kopier ikke krøllede anførselstegn fra rich text.

Trin 3: Genstart og åbn en ny session

Når filen er gemt:

1. Afslut den aktuelle Codex-klient eller CLI;
2. Genstart Codex;
3. Opret en ny session.

Gamle sessioner, der allerede er åbne, skifter normalt ikke kontekstbudget under kørsel. Det er derfor ikke sikkert blot at genindlæse vinduet og fortsætte den gamle tråd; det er nemmest at oprette en ny session.

Du kan bruge Codex' indbyggede diagnosekommando til at kontrollere, at konfigurationen blev indlæst korrekt:

codex doctor --json

Vær særligt opmærksom på følgende punkter:

• overallStatus er ok;
• config.load er ok;
• model viser gpt-5.6-sol.

Kommandoen verificerer, at konfigurationsfilen kan parses og indlæses korrekt, og bruger ikke reelt hundredtusindvis af tokens for at 'teste 1M'.

Uden at ændre standardkonfiguration: Aktivér kun 1M for den aktuelle CLI-session

Hvis du kun af og til arbejder med ekstremt store repositories eller meget lange opgaver og ikke ønsker, at alle sessioner som standard bruger 1M, kan du midlertidigt tilsidesætte indstillingerne ved opstart:

codex -m gpt-5.6-sol \
  -c model_context_window=1000000 \
  -c model_auto_compact_token_limit=900000

Denne parameterpåvirkning gælder kun for denne opstart. Når du lukker den aktuelle Codex, vender næste start tilbage til standardværdierne i config.toml.

Hvilke scenarier egner sig til 1M kontekst?

Den egner sig bedst til disse opgaver:

• Kontinuerligt at ændre flere moduler i et stort monolitisk repository;
• Når agenten skal bevare arkitekturmæssige beslutninger, fejlfinding og testresultater i længere tid;
• Når du på én gang indlæser mange design-dokumenter, API-specifikationer eller logs;
• Når du ikke ønsker, at opgaven automatisk komprimeres hyppigt midtvejs og derved mister tidlige detaljer.

Hvis du kun skal ændre en enkelt fil eller to, rette en almindelig bug eller skrive et kort script, er Codex' standardvindue som regel tilstrækkeligt. Et større vindue betyder, at der kan være plads til mere – det skal ikke nødvendigvis fyldes op i hver runde, og det betyder heller ikke, at modellens opmærksomhedsudnyttelse automatisk er højere, jo længere konteksten er.

Omkostnings- og kvalitetsmæssige konsekvenser, du bør kende, før du aktiverer

Lang kontekst er nyttigt, men det er ikke en gratis frokost.

1. Over 272K træder API'ets længere kontekst ind i en højere prisklasse

OpenAIs GPT-5.6 Sol model side angiver eksplicit: Når inputtet overstiger 272K tokens, beregnes hele anmodningens inputpris som 2 gange og outputprisen som 1,5 gange.

Hvis du faktureres via API'et, vil dette direkte afspejles på regningen; hvis du er logget ind via ChatGPT / Codex-abonnement, kan det vise sig som hurtigere forbrug af kvote. Den nøjagtige politik bør følge det, klienten viser om grænser.

2. Hver runde skal bære en længere historik

Jo længere sessionen er, desto mere opmærksomhed fortjener ventetid, token-forbrug og cacheadfærd. Hvis størstedelen af hundredtusindvis af tokens i gamle logs allerede er ubrugelige, er det ikke nødvendigvis bedre at bære dem videre uændret end at have et sammendrag af høj kvalitet.

3. At understøtte 1M betyder ikke, at kvaliteten forbliver helt uændret ved 1M

En ekstremt lang kontekst kan reducere risikoen for, at information afklippes, men modellen kan stadig blive distraheret af masser af støj. Det anbefales at fjerne build-logs, gentagne værktøjsoutput og fejlfindingsspor, der ikke længere er relevante; når opgavens fase skifter tydeligt, kan du også aktivt bruge /compact.

Ofte stillede spørgsmål

Jeg har konfigureret det, hvorfor har den aktuelle session ikke ændret sig?

config.toml indlæses hovedsageligt ved opstart og oprettelse af sessioner. Genstart klienten og opret en ny session – brug ikke den gamle lange session til at fortsætte med at verificere.

Konfigurationsfilen kan indlæses, men modellen er ikke Sol?

Tjek, om du bruger codex -m ..., --profile, og om der stadig findes en .codex/config.toml i projektmappen. Codex' kommandolinjeargumenter, projektkonfiguration og profiler kan alle tilsidesætte brugerkonfigurationen.

Hvad gør jeg, hvis Codex siger 'genkender ikke denne konfigurationsnøgle'?

Kontrollér først versionen:

codex --version

Opgrader derefter til den aktuelle version:

codex update

Ældre versioner af Codex har muligvis ikke disse to konfigurationsnøgler.

Hvordan gendanner jeg standardindstillingerne?

Slet følgende to linjer for at gendanne modellens egen standardkontekst og automatiske komprimeringspolitik:

model_context_window = 1000000
model_auto_compact_token_limit = 900000

model = "gpt-5.6-sol" kan beholdes eller ændres tilbage til den model, du oprindeligt brugte.

Resumé

For permanent at aktivere GPT-5.6 Sol 1M-kontekst skal du blot placere disse 3 linjer øverst i ~/.codex/config.toml:

model = "gpt-5.6-sol"
model_context_window = 1000000
model_auto_compact_token_limit = 900000

1 million er kontekstbudgettet, 900.000 er den automatiske komprimeringsgrænse. Det egner sig godt til store repositories og langvarige agentopgaver, men for almindelige opgaver er det ofte mere kvotebesparende, hurtigere og mere stabilt at fortsætte med Codex' standardindstillinger.

Hvis du lader Codex køre lange opgaver på udviklingsmaskinen og ikke ønsker at sidde ved computeren hele tiden, kan du også via PandaNpc fjernvise sessioner og håndtere interaktioner i browseren, på skrivebordet eller på mobilen.