Codex: Slik aktiverer du GPT-5.6 Sol 1M-kontekst med 3 linjer i `config.toml`

GPT-5.6 Sols offisielle kontekstvindu er 1 050 000 token, men Codex bruker ikke hele vinduet som standard. Ønsker du at svært lange sesjoner komprimeres så lite som mulig, trenger du bare å legge til 3 linjer med konfigurasjon øverst i Codex sin config.toml:

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

Når du har lagret, starter du Codex på nytt og åpner en ny sesjon. Nedenfor går vi gjennom plasseringen av konfigurasjonen, hva hver linje gjør, hvordan du aktiverer det for en enkelt oppstart, og viktige ting å merke seg.

Først konklusjonen: hva disse 3 linjene gjør

OpenAIs Codex-konfigurasjonsreferanse har offisielt listet de to konfigurasjonsinnstillingene model_context_window og model_auto_compact_token_limit; GPT-5.6 Sol-modellsiden oppgir at kontekstvinduet er på 1 050 000 token, med maksimal utdata på 128 000 token.

Her setter vi det ikke til fulle 1 050 000, men til 1 000 000, for å gi litt margin til systemprompter, verktøyresultater og implementeringsforskjeller. Vi legger også den automatiske komprimeringsgrensen på 900 000, slik at Codex har plass til å gjennomføre komprimeringen, i stedet for å vente til vinduet nesten er fullt.

Trinn 1: Finn Codex sin `config.toml`

Codex sin brukerkonfigurasjonsfil ligger på:

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

På macOS eller Linux kan du kjøre:

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

I Windows PowerShell kan du kjøre:

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

Hvis filen ikke finnes, oppretter du den; hvis den allerede finnes, endrer du den på stedet. Ikke overskriv eksisterende MCP-, tilgangs- eller prosjektkonfigurasjon.

Trinn 2: Plasser konfigurasjonen øverst i filen

Legg disse 3 linjene helt øverst i config.toml:

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

De må plasseres før den første [section]-overskriften. Hvis filen din for eksempel allerede inneholder:

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

De 3 modellkonfigurasjonslinjene må stå over den. I TOML blir vanlige nøkler som står etter [projects."..."], behandlet som innhold i den seksjonen, og ikke lenger som global konfigurasjon.

Hvis filen allerede har en linje med model = "...", endrer du den bare til gpt-5.6-sol – ikke skriv to model-linjer. Bruk også engelske halvbrede doble anførselstegn ", og ikke kopier krøllede anførselstegn fra rik tekst.

Trinn 3: Start på nytt og åpne en ny sesjon

Etter at du har lagret filen:

1. Avslutt gjeldende Codex-klient eller CLI.
2. Start Codex på nytt.
3. Opprett en ny sesjon.

Allerede åpne, gamle sesjoner bytter vanligvis ikke kontekstbudsjett mens de kjører. Derfor er det ikke pålitelig å bare laste inn vinduet på nytt og fortsette den gamle tråden – det enkleste er å opprette en ny sesjon.

Du kan bruke Codex sin innebygde diagnosekommando for å sjekke om konfigurasjonen ble lastet inn:

codex doctor --json

Legg spesielt merke til disse punktene:

• overallStatus skal være ok;
• config.load skal være ok;
• model skal vise gpt-5.6-sol.

Denne kommandoen verifiserer om konfigurasjonsfilen kan tolkes og lastes inn på riktig måte – den forbruker ikke faktisk flere hundre tusen token bare for å «teste 1M».

Uten å endre standardkonfigurasjonen: Aktiver 1M bare for den gjeldende CLI-sesjonen

Hvis du bare av og til jobber med svært store repositories eller svært lange oppgaver, og ikke vil at alle sesjoner skal bruke 1M som standard, kan du overstyre det midlertidig ved oppstart:

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

Disse parameterne påvirker bare denne oppstarten. Når du lukker Codex, brukes standardverdiene i config.toml igjen neste gang.

Hvilke scenarier passer 1M-konteksten for?

Den passer best til disse oppgavene:

• Fortløpende endring av flere moduler i et stort monolittisk repository;
• Agenten må beholde arkitekturbeslutninger, feilsøkingsprosesser og testresultater over lang tid;
• Å sende inn store mengder designdokumenter, grensesnittbeskrivelser eller logger på én gang;
• Du vil ikke at oppgaven skal komprimeres automatisk ofte midt i arbeidet, slik at tidlige detaljer går tapt.

Hvis du bare endrer én eller to filer, fikser vanlige bugs eller skriver korte skript, er Codex sitt standardvindu vanligvis tilstrekkelig. Et større vindu betyr «kan romme mer» – det må ikke fylles opp hver runde, og det betyr heller ikke at lengre kontekst nødvendigvis gir bedre utnyttelse av modellens oppmerksomhet.

Kostnads- og kvalitetskonsekvenser du må kjenne til før du aktiverer

Lang kontekst er svært nyttig, men det er ingen gratis lunsj.

1. Over 272K går API-langkontekst inn i en høyere prisklasse

OpenAIs GPT-5.6 Sol-modellside oppgir tydelig: Når inndataen overstiger 272K token, beregnes inndataprisen for hele forespørselen til 2 ganger, og utdataprisen til 1,5 ganger.

Hvis du bruker API-fakturering, vil dette vises direkte på fakturaen. Hvis du logger inn via et ChatGPT / Codex-abonnement, kan det vise seg som raskere kvoteforbruk – du bør fortsatt forholde deg til kvotepolicyen som vises i klienten.

2. Hver runde må bære med seg lengre historikk

Jo lengre sesjonen er, desto mer oppmerksomhet bør rettes mot ventetid, token-forbruk og cache-atferd. Hvis mesteparten av de gamle loggene på flere hundre tusen token ikke lenger er nyttige, er det ikke nødvendigvis bedre å ta dem med uendret enn å bruke et høykvalitets komprimert sammendrag.

3. Støtte for 1M betyr ikke at kvaliteten er uendret ved 1M

Svært lang kontekst kan redusere informasjonstap, men modellen kan fortsatt bli distrahert av store mengder støy. Det anbefales å rydde bort bygglogger, gjentatte verktøyutdata og foreldede feilsøkingsstier underveis. Når fasene i oppgaven endrer seg tydelig, kan du også aktivt bruke /compact.

Vanlige spørsmål

Jeg har konfigurert det – hvorfor har ikke den gjeldende sesjonen endret seg?

config.toml lastes hovedsakelig inn ved oppstart og når sesjoner opprettes. Start klienten på nytt og opprett en ny sesjon – ikke fortsett å verifisere med den gamle, lange sesjonen.

Konfigurasjonsfilen lastes inn, men modellen er ikke Sol?

Sjekk om du har brukt codex -m ... eller --profile, og om det også finnes en .codex/config.toml i prosjektkatalogen. Codex sine kommandolinjeargumenter, prosjektkonfigurasjon og profiler kan alle overstyre brukerkonfigurasjonen.

Hva gjør jeg hvis Codex sier «gjenkjenner ikke dette konfigurasjonselementet»?

Sjekk først versjonen:

codex --version

Oppgrader deretter til gjeldende versjon:

codex update

Eldre versjoner av Codex har kanskje ikke disse to konfigurasjonsnøklene ennå.

Hva hvis jeg vil gjenopprette standardinnstillingene?

Slett de to følgende linjene for å gjenopprette modellens egne standardverdier for kontekst og automatisk komprimering:

model_context_window = 1000000
model_auto_compact_token_limit = 900000

Du kan beholde model = "gpt-5.6-sol", eller endre den tilbake til modellen du brukte tidligere.

Oppsummering

For å aktivere GPT-5.6 Sol 1M-kontekst permanent, trenger du bare å legge disse 3 linjene helt øverst i ~/.codex/config.toml:

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

1 million er kontekstbudsjettet, og 900 000 er den automatiske komprimeringsgrensen. Den passer godt for store repositories og langvarige Agent-oppgaver, men for vanlige oppgaver er det ofte mer kvotebesparende, raskere og mer stabilt å fortsette med Codex sine standardinnstillinger.

Hvis du lar Codex kjøre lange oppgaver på en utviklingsmaskin og ikke vil sitte foran datamaskinen hele tiden, kan du også bruke PandaNpc til å se på sesjoner eksternt og håndtere interaksjoner i nettleseren, på skrivebordet eller på mobilen.