Codex: GPT-5.6 Sol 1M-Kontext aktivieren: 3-Zeilen-`config.toml`-Konfigurationstutorial

Das offizielle Kontextfenster von GPT-5.6 Sol beträgt 1.050.000 Token, aber Codex nutzt standardmäßig nicht das gesamte Fenster aus. Um bei sehr langen Sitzungen möglichst wenig Komprimierung zu haben, müssen Sie nur 3 Zeilen Konfiguration am Anfang der config.toml von Codex hinzufügen:

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

Speichern Sie, starten Sie Codex neu und öffnen Sie eine neue Sitzung. Im Folgenden werden die Position der Konfiguration, die Funktion jeder Zeile, die einmalige Startmethode und die Hinweise klar erklärt.

Zunächst das Fazit: Was diese 3 Zeilen bewirken

Die Codex-Konfigurationsreferenz von OpenAI listet offiziell die zwei Konfigurationsoptionen model_context_window und model_auto_compact_token_limit auf; die GPT-5.6 Sol-Modellseite gibt ein Kontextfenster von 1.050.000 Token und einen maximalen Ausgabeumfang von 128.000 Token an.

Hier wird nicht direkt 1.050.000 eingetragen, sondern 1.000.000, um etwas Spielraum für Systemprompts, Tool-Ergebnisse und Implementierungsunterschiede zu lassen; die automatische Komprimierungsschwelle wird auf 900.000 gesetzt, damit Codex Raum für die Komprimierung hat, anstatt erst zu reagieren, wenn das Fenster fast voll ist.

Erster Schritt: Die `config.toml` von Codex finden

Die benutzerbezogene Konfigurationsdatei von Codex befindet sich unter:

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

Auf macOS oder Linux können Sie direkt ausführen:

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

Unter Windows PowerShell können Sie ausführen:

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

Wenn die Datei nicht existiert, erstellen Sie sie neu; wenn sie bereits existiert, ändern Sie sie auf Basis der vorhandenen Datei. Überschreiben Sie nicht vorhandene MCP-, Berechtigungs- oder Projektkonfigurationen.

Zweiter Schritt: Die Konfiguration ganz oben in die Datei setzen

Fügen Sie die folgenden 3 Zeilen ganz oben in config.toml ein:

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

Sie müssen unbedingt vor dem ersten [section]-Titel stehen. Wenn Ihre Datei zum Beispiel bereits Folgendes enthält:

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

Dann müssen diese 3 Zeilen Modellkonfiguration darüber stehen. In TOML werden normale Schlüssel, die nach [projects."..."] stehen, als Inhalt dieses Abschnitts behandelt und sind keine globalen Einstellungen mehr.

Wenn in der Datei bereits eine Zeile model = "..." vorhanden ist, ändern Sie sie direkt in gpt-5.6-sol; schreiben Sie nicht zwei model-Zeilen. Verwenden Sie außerdem englische halbbreite doppelte Anführungszeichen " und kopieren Sie keine geschweiften Anführungszeichen aus einem Rich-Text-Editor.

Dritter Schritt: Neu starten und eine neue Sitzung öffnen

Nach dem Speichern der Datei:

1. Beenden Sie den aktuellen Codex-Client oder die CLI;
2. Starten Sie Codex neu;
3. Erstellen Sie eine neue Sitzung.

Bereits geöffnete alte Sitzungen wechseln normalerweise nicht während der Laufzeit das Kontextbudget. Daher ist es nicht zuverlässig, nur das Fenster neu zu laden und den alten Thread fortzusetzen; am einfachsten ist es, eine neue Sitzung zu erstellen.

Mit dem integrierten Diagnosebefehl von Codex können Sie überprüfen, ob die Konfiguration erfolgreich geladen wurde:

codex doctor --json

Achten Sie auf diese Punkte:

• overallStatus ist ok;
• config.load ist ok;
• model zeigt gpt-5.6-sol.

Dieser Befehl überprüft, ob die Konfigurationsdatei korrekt geparst und geladen werden kann, und verbraucht nicht wirklich Hunderttausende von Token, um „1M zu testen“.

Standardkonfiguration nicht ändern: Nur für die aktuelle CLI-Sitzung 1M aktivieren

Wenn Sie nur gelegentlich mit sehr großen Repositories oder sehr langen Aufgaben arbeiten und nicht möchten, dass alle Sitzungen standardmäßig 1M verwenden, können Sie beim Start vorübergehend überschreiben:

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

Diese Parameter wirken sich nur auf den aktuellen Start aus. Nachdem Sie Codex beendet haben, wird beim nächsten Start wieder der Standardwert aus config.toml verwendet.

Für welche Szenarien ist 1M-Kontext geeignet?

Es eignet sich am besten für diese Aufgaben:

• Mehrere Module in einem großen Monorepo nacheinander ändern;
• Der Agent muss Architekturentscheidungen, Debugging-Prozesse und Testergebnisse über einen langen Zeitraum aufbewahren;
• Große Mengen an Designdokumenten, Schnittstellenbeschreibungen oder Protokollen auf einmal eingeben;
• Nicht möchten, dass die Aufgabe mitten in der Arbeit häufig automatisch komprimiert wird und frühe Details verloren gehen.

Wenn Sie nur ein oder zwei Dateien ändern, einen normalen Bug beheben oder kurze Skripte schreiben, reicht das Standardfenster von Codex normalerweise aus. Ein größeres Fenster bedeutet „mehr Platz“, aber nicht, dass jede Runde bis zum Rand gefüllt werden muss, und auch nicht, dass eine längere Kontextlänge automatisch eine höhere Aufmerksamkeitsauslastung des Modells bedeutet.

Kosten- und Qualitätsabwägungen, die Sie vor der Aktivierung kennen müssen

Langer Kontext ist nützlich, aber kein kostenloses Mittagessen.

1. Über 272K hinaus wechselt der API-Langkontext in eine höhere Preisstufe

Die GPT-5.6 Sol-Modellseite von OpenAI stellt klar: Wenn die Eingabe 272K Token überschreitet, werden die Eingabepreise für die gesamte Anfrage mit dem 2-fachen und die Ausgabepreise mit dem 1,5-fachen berechnet.

Wenn Sie über die API abgerechnet werden, wirkt sich das direkt auf die Rechnung aus; wenn Sie sich über ein ChatGPT/Codex-Abonnement anmelden, kann sich das in einem schnelleren Verbrauch des Kontingents äußern. Maßgeblich bleibt die im Client angezeigte Limits-Strategie.

2. Jede Runde muss eine längere Historie mitführen

Je länger die Sitzung, desto mehr Aufmerksamkeit verdienen Latenz, Token-Verbrauch und Cache-Verhalten. Wenn der größte Teil alter Logs mit Hunderttausenden von Token bereits nutzlos ist, ist das Weiterführen im Original nicht unbedingt besser als eine qualitativ hochwertige komprimierte Zusammenfassung.

3. 1M zu unterstützen bedeutet nicht, dass die Qualität bei 1M völlig unverändert bleibt

Sehr langer Kontext kann verhindern, dass Informationen abgeschnitten werden, aber das Modell kann dennoch durch große Mengen an Rauschen abgelenkt werden. Es wird empfohlen, Build-Logs, wiederholte Tool-Ausgaben und nicht mehr relevante Fehlersuche-Pfade rechtzeitig zu bereinigen; wenn sich die Aufgabenphase deutlich ändert, können Sie auch aktiv /compact verwenden.

Häufig gestellte Fragen

Konfiguriert, aber die aktuelle Sitzung hat sich nicht geändert?

config.toml wird hauptsächlich beim Start und beim Erstellen einer Sitzung geladen. Starten Sie den Client neu und erstellen Sie eine neue Sitzung. Verwenden Sie nicht die alte lange Sitzung zur Verifizierung.

Die Konfigurationsdatei kann geladen werden, aber das Modell ist nicht Sol?

Prüfen Sie, ob Sie codex -m ..., --profile verwendet haben und ob im Projektverzeichnis eine .codex/config.toml vorhanden ist. Die Befehlszeilenparameter, die Projektkonfiguration und das Profil von Codex können die benutzerbezogene Konfiguration überschreiben.

Codex meldet „Konfigurationsoption nicht erkannt“ – was tun?

Prüfen Sie zuerst die Version:

codex --version

Dann aktualisieren Sie auf die aktuelle Version:

codex update

Ältere Versionen von Codex haben diese beiden Konfigurationsschlüssel möglicherweise noch nicht.

Wie kann ich die Standardeinstellungen wiederherstellen?

Löschen Sie die folgenden beiden Zeilen, um das standardmäßige Kontextfenster und die automatische Komprimierungsstrategie des Modells wiederherzustellen:

model_context_window = 1000000
model_auto_compact_token_limit = 900000

model = "gpt-5.6-sol" kann beibehalten oder wieder auf das zuvor verwendete Modell geändert werden.

Zusammenfassung

Um den 1M-Kontext von GPT-5.6 Sol dauerhaft zu aktivieren, müssen Sie nur diese 3 Zeilen ganz oben in ~/.codex/config.toml einfügen:

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

1 Million ist das Kontextbudget, 900.000 ist die automatische Komprimierungsschwelle. Es eignet sich gut für große Repositories und lang laufende Agent-Aufgaben, aber für normale Aufgaben sind die Standardeinstellungen von Codex oft sparsamer, schneller und stabiler.

Wenn Sie Codex längere Zeit auf einem Entwicklungsrechner Aufgaben ausführen lassen und nicht ständig am Computer warten möchten, können Sie Sitzungen auch über PandaNpc im Browser, Desktop oder auf dem Handy remote anzeigen und Interaktionen bearbeiten.