Codex: włączanie 1M kontekstu GPT-5.6 Sol — poradnik konfiguracji 3 linii w `config.toml`

Oficjalne okno kontekstu GPT-5.6 Sol to 1 050 000 tokenów, ale Codex domyślnie nie wykorzystuje całego okna. Aby bardzo długie sesje były jak najmniej kompresowane, wystarczy dodać 3 linie konfiguracji na górze pliku config.toml w Codexie:

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

Po zapisaniu uruchom ponownie Codex i otwórz nową sesję. Poniżej szczegółowo omawiamy lokalizację konfiguracji, działanie każdej linii, sposób jednorazowego uruchomienia i uwagi.

Najpierw podsumowanie: co robią te 3 linie

Dokumentacja Codex Configuration Reference OpenAI oficjalnie wymienia opcje model_context_window i model_auto_compact_token_limit; strona modelu GPT-5.6 Sol wskazuje, że jego okno kontekstu wynosi 1 050 000 tokenów, a maksymalne wyjście to 128 000 tokenów.

Nie ustawiamy od razu pełnych 1 050 000, lecz 1 000 000, aby zostawić nieco zapasu na podpowiedzi systemowe, wyniki narzędzi i różnice implementacyjne; linię automatycznej kompresji ustawiamy na 900 000, aby Codex miał miejsce na wykonanie kompresji, zamiast czekać, aż okno prawie się przepełni.

Krok pierwszy: znajdź plik `config.toml` Codexa

Plik konfiguracyjny Codexa na poziomie użytkownika znajduje się w:

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

Na macOS lub Linux możesz wykonać:

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

W PowerShell na Windows możesz wykonać:

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

Jeśli plik nie istnieje, utwórz go; jeśli istnieje, zmodyfikuj go, nie nadpisując istniejących konfiguracji MCP, uprawnień czy projektów.

Krok drugi: umieść konfigurację na samym początku pliku

Umieść poniższe 3 linie na górze pliku config.toml:

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

Umieść je przed pierwszym nagłówkiem [section]. Na przykład, jeśli twój plik już zawiera:

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

Te 3 linie konfiguracji modelu muszą znajdować się nad nim. W TOML zwykłe klucze zapisane po [projects."..."] są traktowane jako zawartość tej sekcji, a nie jako konfiguracja globalna.

Jeśli w pliku jest już linia model = "...", zmień ją na gpt-5.6-sol; nie wpisuj dwóch osobnych model. Używaj też angielskich prostych cudzysłowów ", a nie krzywych cudzysłowów z bogatego tekstu.

Krok trzeci: uruchom ponownie i otwórz nową sesję

Po zapisaniu pliku:

1. Zamknij bieżącego klienta Codex lub CLI;
2. Uruchom ponownie Codex;
3. Utwórz nową sesję.

Stare, już otwarte sesje zwykle nie przełączają budżetu kontekstu w trakcie działania, więc samo przeładowanie okna i kontynuowanie starego wątku nie jest pewne; najprościej jest po prostu utworzyć nową sesję.

Możesz sprawdzić, czy konfiguracja została poprawnie wczytana, za pomocą wbudowanego polecenia diagnostycznego Codexa:

codex doctor --json

Zwróć uwagę na te elementy:

• overallStatus to ok;
• config.load to ok;
• model pokazuje gpt-5.6-sol.

To polecenie sprawdza, czy plik konfiguracyjny może być poprawnie sparsowany i załadowany; nie zużywa ono naprawdę setek tysięcy tokenów tylko po to, aby „przetestować 1M”.

Bez zmiany konfiguracji domyślnej: włącz 1M tylko dla bieżącej sesji CLI

Jeśli tylko od czasu do czasu pracujesz z bardzo dużym repozytorium lub bardzo długimi zadaniami i nie chcesz, aby wszystkie sesje domyślnie używały 1M, możesz tymczasowo nadpisać ustawienia podczas uruchamiania:

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

Te parametry dotyczą tylko tego uruchomienia. Po zamknięciu bieżącego Codexa następne uruchomienie wróci do wartości domyślnych z config.toml.

Do jakich scenariuszy nadaje się kontekst 1M

Najlepiej sprawdza się w tych zadaniach:

• Ciągłe modyfikowanie wielu modułów w dużym monorepozytorium;
• Gdy agent musi przez dłuższy czas zachowywać decyzje architektoniczne, proces debugowania i wyniki testów;
• Wprowadzanie jednorazowo dużej liczby dokumentów projektowych, specyfikacji interfejsów lub logów;
• Gdy nie chcesz, aby zadanie często automatycznie kompresowało się w trakcie i traciło wczesne szczegóły.

Jeśli tylko poprawiasz jeden lub dwa pliki, naprawiasz zwykłe błędy albo piszesz krótkie skrypty, domyślne okno Codexa zwykle wystarcza. Większe okno oznacza „można zmieścić więcej” — nie oznacza, że każda runda musi być nim wypełniona, ani że dłuższy kontekst zawsze przekłada się na wyższą efektywność wykorzystania uwagi modelu.

Koszty i jakość, o których musisz wiedzieć przed włączeniem

Długi kontekst jest przydatny, ale to nie jest darmowy obiad.

1. Po przekroczeniu 272K długi kontekst API przechodzi do wyższej taryfy

Na stronie modelu GPT-5.6 Sol firmy OpenAI jest wyraźnie napisane: gdy wejście przekracza 272K tokenów, cena wejścia dla całego żądania jest liczona jako 2-krotność, a cena wyjścia jako 1,5-krotność.

Jeśli korzystasz z rozliczeń API, będzie to bezpośrednio widoczne na rachunku; jeśli logujesz się przez subskrypcję ChatGPT / Codex, może to oznaczać szybsze zużycie limitu — ostatecznie liczy się polityka limitów widoczna w kliencie.

2. Każda runda niesie ze sobą dłuższą historię

Im dłuższa sesja, tym bardziej warto zwracać uwagę na opóźnienia, zużycie tokenów i zachowanie pamięci podręcznej. Jeśli większość starych logów liczących setki tysięcy tokenów jest już nieprzydatna, dalsze przenoszenie ich w oryginalnej postaci niekoniecznie będzie lepsze niż wysokiej jakości skompresowane streszczenie.

3. Obsługa 1M nie oznacza, że jakość przy 1M pozostaje całkowicie niezmieniona

Bardzo długi kontekst zmniejsza ryzyko ucięcia informacji, ale model może nadal być rozpraszany przez dużą ilość szumu. Zaleca się szybkie usuwanie logów budowania, powtarzających się wyników narzędzi i nieaktualnych ścieżek rozwiązywania problemów; gdy etapy zadania wyraźnie się zmieniają, warto też aktywnie używać /compact.

Często zadawane pytania

Skonfigurowałem, ale dlaczego bieżąca sesja się nie zmieniła?

config.toml jest ładowany głównie podczas uruchamiania i tworzenia sesji. Uruchom ponownie klienta i utwórz nową sesję; nie próbuj weryfikować na starym długim wątku.

Plik konfiguracyjny ładuje się, ale model to nie Sol?

Sprawdź, czy używasz codex -m ..., --profile oraz czy w katalogu projektu znajduje się dodatkowy plik .codex/config.toml. Argumenty wiersza poleceń, konfiguracja projektu i profile Codexa mogą nadpisywać konfigurację na poziomie użytkownika.

Co zrobić, gdy Codex zgłasza „nie znam tej opcji konfiguracji”?

Najpierw sprawdź wersję:

codex --version

Następnie zaktualizuj do bieżącej wersji:

codex update

Starsze wersje Codexa mogą nie mieć jeszcze tych dwóch kluczy konfiguracyjnych.

Jak przywrócić ustawienia domyślne?

Usuń poniższe dwie linie, aby przywrócić domyślny kontekst modelu i strategię automatycznej kompresji:

model_context_window = 1000000
model_auto_compact_token_limit = 900000

model = "gpt-5.6-sol" możesz pozostawić lub zmienić z powrotem na model, którego używałeś wcześniej.

Podsumowanie

Aby trwale włączyć kontekst 1M dla GPT-5.6 Sol, wystarczy umieścić te 3 linie na samej górze pliku ~/.codex/config.toml:

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

1 000 000 to budżet kontekstu, a 900 000 to linia automatycznej kompresji. Sprawdza się świetnie w dużych repozytoriach i długotrwałych zadaniach agentów, ale w zwykłych zadaniach korzystanie z domyślnych ustawień Codexa jest zwykle bardziej oszczędne, szybsze i stabilniejsze.

Jeśli pozwalasz Codexowi długo wykonywać zadania na maszynie deweloperskiej i nie chcesz ciągle siedzieć przed komputerem, możesz także zdalnie przeglądać sesje i obsługiwać interakcje w przeglądarce, na komputerze lub telefonie za pośrednictwem PandaNpc.