GPT-5.6 Sol 1M kontextus bekapcsolása a Codex-ben: 3 soros `config.toml` beállítási útmutató

A GPT-5.6 Sol hivatalos kontextusablaka 1 050 000 token, de a Codex alapból nem használja ki a teljes ablakot. Ha azt szeretnéd, hogy a nagyon hosszú munkameneteket minél kevésbé tömörítse, csak adj hozzá 3 sor konfigurációt a Codex config.toml fájljának tetejéhez:

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

Mentés után indítsd újra a Codex-et, és nyiss egy új munkamenetet. Az alábbiakban egyszerre mutatjuk be a konfigurációs fájl helyét, az egyes sorok szerepét, az egyszeri indítás módját és a tudnivalókat.

Először a lényeg: mit csinál ez a 3 sor

Az OpenAI Codex konfigurációs referenciája hivatalosan tartalmazza a model_context_window és a model_auto_compact_token_limit konfigurációs elemeket; a GPT-5.6 Sol modelloldala jelzi, hogy a kontextusablaka 1 050 000 token, a maximális kimenet pedig 128 000 token.

Itt nem közvetlenül 1 050 000-et írunk, hanem 1 000 000-ot, hogy maradjon némi tartalék a rendszerutasításoknak, az eszközeredményeknek és a megvalósítási eltéréseknek; az automatikus tömörítési küszöböt pedig 900 000-re állítjuk, hogy a Codex-nek legyen helye elvégezni a tömörítést, ahelyett hogy csak akkor foglalkozna vele, amikor az ablak már majdnem betelt.

Első lépés: keresd meg a Codex `config.toml` fájlját

A Codex felhasználói szintű konfigurációs fájlja itt található:

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

macOS vagy Linux alatt közvetlenül futtathatod:

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

Windows PowerShell alatt futtathatod:

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

Ha a fájl nem létezik, hozd létre; ha már létezik, a meglévő fájlt módosítsd, és ne írd felül a meglévő MCP-, jogosultsági- vagy projektkonfigurációkat.

Második lépés: helyezd a konfigurációt a fájl legelejére

Helyezd a következő 3 sort a config.toml legelejére:

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

Feltétlenül az első [section] címsor elé kerüljön. Például ha a fájlodban már van:

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

Akkor a 3 soros modellkonfigurációt ennek fölé kell elhelyezni. A TOML-ban a [projects."..."] után írt sima kulcsok az adott szekció tartalmának számítanak, nem pedig globális konfigurációnak.

Ha a fájlban már van egy model = "..." sor, egyszerűen módosítsd gpt-5.6-sol-ra, és ne írj két model sort. Az idézőjelek is fél szélességű angol dupla idézőjelek " legyenek, ne másolj át görbe idézőjeleket gazdag szövegből.

Harmadik lépés: indítsd újra, és nyiss új munkamenetet

A fájl mentése után:

1. Lépj ki az aktuális Codex kliensből vagy CLI-ből;
2. Indítsd újra a Codex-et;
3. Hozz létre egy új munkamenetet.

A már megnyitott régi munkamenetek általában nem váltanak kontextuskeretet futás közben, ezért nem megbízható, ha csak újratöltöd az ablakot, és folytatod a régi szálat; a legkényelmesebb új munkamenetet létrehozni.

A Codex beépített diagnosztikai parancsával ellenőrizheted, hogy a konfiguráció sikeresen betöltődött-e:

codex doctor --json

Ezekre az elemekre érdemes figyelni:

• az overallStatus értéke ok;
• a config.load értéke ok;
• a model értéke gpt-5.6-sol.

Ez a parancs azt ellenőrzi, hogy a konfigurációs fájl helyesen értelmezhető-e és betölthető-e; nem használ fel valójában több százezer tokent csak azért, hogy „tesztelje az 1M-et“.

Az alapkonfiguráció módosítása nélkül: csak az aktuális CLI-munkamenetre kapcsold be az 1M-et

Ha csak alkalmanként dolgozol hatalmas repókkal vagy nagyon hosszú feladatokkal, és nem szeretnéd, hogy minden munkamenet alapból 1M-et használjon, indításkor ideiglenesen felülírhatod a beállításokat:

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

Ez a paraméterkészlet csak az aktuális indítást érinti. Ha bezárod az aktuális Codex-et, legközelebb ismét a config.toml alapértékei lesznek érvényesek.

Milyen helyzetekhez ideális az 1M kontextus

Leginkább ezekhez a feladatokhoz ideális:

• Több modul egymás utáni módosítása nagy monorepóban;
• Ha az Agent-nek hosszú időn át meg kell őriznie az architektúra-döntéseket, a hibakeresési folyamatot és a teszteredményeket;
• Nagyon sok tervezési dokumentum, interfészleírás vagy napló egyetlen menetben történő bevitele;
• Ha nem szeretnéd, hogy a feladat futás közben gyakran automatikusan tömörüljön, és a korai részletek elveszzenek.

Ha csak egy-két fájlt módosítasz, egy egyszerű hibát javítasz, vagy rövid szkriptet írsz, a Codex alapértelmezett ablaka általában elegendő. A nagyobb ablak azt jelenti, hogy „több fér bele“; nem azt, hogy minden körben tele kell tölteni, és az sem jelenti, hogy minél hosszabb a kontextus, annál jobb a modell figyelem-kihasználtsága.

A bekapcsolás előtt ismerned kell a költség- és minőségbeli árat

A hosszú kontextus nagyon hasznos, de nem ingyen ebéd.

1. 272K felett az API hosszú kontextus magasabb árkategóriába lép

Az OpenAI GPT-5.6 Sol modelloldala egyértelműen jelzi: ha a bemenet meghaladja a 272K tokent, a teljes kérés bemeneti ára a 2-szeresére, a kimeneti ára pedig az 1,5-szeresére nő.

Ha API-alapú számlázást használsz, ez közvetlenül megjelenik a számlán; ha ChatGPT / Codex előfizetéssel jelentkezel be, akkor valószínűleg gyorsabb keretfogyasztásként jelentkezik, de mindig a kliensben megjelenő korlátokra vonatkozó szabályzat az irányadó.

2. Minden körben hosszabb előzményeket kell magaddal vinned

Minél hosszabb a munkamenet, annál inkább figyelni kell a késleltetésre, a tokenfogyasztásra és a gyorsítótárazási viselkedésre. Ha egy több százezer tokennyi régi napló nagy része már haszontalan, nem biztos, hogy jobb változatlanul cipelni, mint egy jó minőségű tömörített összefoglalót.

3. Az 1M támogatása nem jelenti azt, hogy 1M-nél a minőség teljesen változatlan

A rendkívül hosszú kontextus csökkentheti az információ elvesztését, de a modell figyelmét még mindig elterelheti a sok zaj. Javasoljuk, hogy időben távolítsd el a buildnaplókat, az ismétlődő eszközkimeneteket és a már érvénytelen hibakeresési útvonalakat; ha a feladat fázisa egyértelműen vált, akár tudatosan is használhatod a /compact-ot.

Gyakori kérdések

Beállítottam, miért nem változott az aktuális munkamenet?

A config.toml elsősorban indításkor és munkamenet létrehozásakor töltődik be. Indítsd újra a klienst, és hozz létre új munkamenetet; ne az eredeti hosszú munkamenettel ellenőrizd.

A konfigurációs fájl betöltődik, de a modell nem Sol?

Ellenőrizd, hogy használtál-e codex -m ... vagy --profile opciót, és hogy a projektkönyvtárban van-e még .codex/config.toml. A Codex parancssori paraméterei, projektkonfigurációja és profiljai is felülírhatják a felhasználói szintű konfigurációt.

Mit tegyek, ha a Codex azt írja, „nem ismeri ezt a konfigurációs elemet”?

Először nézd meg a verziót:

codex --version

Majd frissíts az aktuális verzióra:

codex update

A régebbi Codex-verziókban még nem biztos, hogy létezik ez a két konfigurációs kulcs.

Mit tegyek, ha vissza akarom állítani az alapértelmezett beállításokat?

A következő két sor törlésével visszaállíthatod a modell saját alapértelmezett kontextusát és automatikus tömörítési stratégiáját:

model_context_window = 1000000
model_auto_compact_token_limit = 900000

A model = "gpt-5.6-sol" sort megtarthatod, vagy visszaállíthatod az általad korábban használt modellre.

Összefoglalás

A GPT-5.6 Sol 1M kontextusának állandó bekapcsolásához csak ezt a 3 sort kell a ~/.codex/config.toml legtetejére helyezned:

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

Az 1 millió a kontextuskeret, a 900 ezer az automatikus tömörítési küszöb. Nagy repókhoz és hosszú ideig futó Agent-feladatokhoz ideális, de a hétköznapi feladatoknál a Codex alapértelmezett beállításainak használata gyakran kevesebb keretet fogyaszt, gyorsabb és stabilabb is.

Ha hagyod, hogy a Codex hosszú ideig fusson a fejlesztőgépeden, és nem szeretnél folyamatosan a számítógép előtt ülni, a PandaNpc segítségével böngészőben, asztali kliensen vagy mobilon távolról is megtekintheted a munkamenetet, és kezelheted az interakciókat.