Tutorial de configuração do Codex para habilitar 1M de contexto no GPT-5.6 Sol: 3 linhas no `config.toml`

A janela de contexto oficial do GPT-5.6 Sol é de 1.050.000 tokens, mas o Codex não usa toda a janela por padrão. Para que sessões muito longas sofram o mínimo de compactação possível, basta adicionar 3 linhas de configuração no topo do config.toml do Codex:

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

Depois de salvar, reinicie o Codex e abra uma nova sessão. A seguir, explicamos de uma vez só a localização do arquivo de configuração, a função de cada linha, como iniciar em uma única execução e os cuidados necessários.

Primeiro, a conclusão: o que essas 3 linhas fazem

A referência de configuração do Codex da OpenAI já lista oficialmente os dois itens de configuração model_context_window e model_auto_compact_token_limit; a página do modelo GPT-5.6 Sol indica que sua janela de contexto é de 1.050.000 tokens, com saída máxima de 128.000 tokens.

Aqui não usamos exatamente 1.050.000, mas sim 1.000.000, deixando uma margem para o prompt de sistema, resultados de ferramentas e diferenças de implementação; em seguida, colocamos o limite de compactação automática em 900.000, para que o Codex tenha espaço para compactar, em vez de esperar até a janela estar quase estourando.

Passo 1: Encontre o `config.toml` do Codex

O arquivo de configuração de nível de usuário do Codex fica em:

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

Em macOS ou Linux, execute diretamente:

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

Em Windows PowerShell, execute:

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

Se o arquivo não existir, crie-o; se já existir, edite o arquivo original sem sobrescrever as configurações existentes de MCP, permissões ou projetos.

Passo 2: Coloque a configuração no topo do arquivo

Coloque as 3 linhas abaixo no início do config.toml:

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

Coloque-as antes do primeiro título [section]. Por exemplo, se o seu arquivo já contém:

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

Então as 3 linhas de configuração do modelo devem ficar acima dele. Em TOML, chaves comuns escritas depois de [projects."..."] são tratadas como conteúdo dessa seção e não são mais configuração global.

Se o arquivo já tiver uma linha model = "...", altere-a para gpt-5.6-sol; não escreva dois model. As aspas também devem ser aspas duplas retas em inglês "; não copie aspas curvas de textos formatados.

Passo 3: Reinicie e abra uma nova sessão

Depois de salvar o arquivo:

1. Saia do cliente ou CLI atual do Codex;
2. Reinicie o Codex;
3. Crie uma nova sessão.

Sessões antigas já abertas normalmente não trocam o orçamento de contexto durante a execução; portanto, recarregar a janela e continuar em um thread antigo não é confiável. O mais simples é criar uma nova sessão.

Você pode usar o comando de diagnóstico do Codex para verificar se a configuração foi carregada com sucesso:

codex doctor --json

Preste atenção nestes itens:

• overallStatus como ok;
• config.load como ok;
• model exibindo gpt-5.6-sol.

Esse comando verifica se o arquivo de configuração pode ser analisado e carregado corretamente; ele não vai realmente consumir centenas de milhares de tokens para "testar 1M".

Sem alterar a configuração padrão: ative 1M apenas para a sessão CLI atual

Se você apenas ocasionalmente lida com repositórios enormes ou tarefas muito longas e não quer que todas as sessões usem 1M por padrão, pode sobrescrever temporariamente na inicialização:

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

Esses parâmetros afetam apenas esta inicialização. Depois de fechar o Codex atual, a próxima execução voltará aos valores padrão do config.toml.

Em quais cenários o contexto de 1M é adequado

É mais adequado para estas tarefas:

• Modificar vários módulos consecutivamente em um repositório monolítico grande;
• Quando o agente precisa manter por muito tempo decisões de arquitetura, processos de depuração e resultados de testes;
• Inserir de uma vez muitos documentos de design, especificações de interface ou logs;
• Não querer que a tarefa sofra compactação automática frequente no meio do caminho, perdendo detalhes iniciais.

Se for apenas alterar um ou dois arquivos, corrigir bugs simples ou escrever scripts curtos, a janela padrão do Codex geralmente já é suficiente. Uma janela maior significa “cabe mais conteúdo”, não que todas as rodadas precisam ficar lotadas, nem que contextos mais longos garantem maior aproveitamento da atenção do modelo.

Custos e trade-offs de qualidade que você precisa conhecer antes de ativar

Contexto longo é muito útil, mas não é almoço grátis.

1. Acima de 272K, o contexto longo da API entra em uma faixa de preço mais alta

A página do modelo GPT-5.6 Sol da OpenAI afirma claramente: quando a entrada ultrapassa 272K tokens, o preço de entrada de toda a requisição é multiplicado por 2 e o preço de saída por 1,5.

Se você usa a cobrança via API, isso aparecerá diretamente na sua fatura; se você estiver logado por assinatura ChatGPT / Codex, o efeito pode ser um consumo mais rápido de cota; ainda assim, o que vale é a política de limites exibida no cliente.

2. Cada rodada carrega um histórico mais longo

Quanto mais longa a sessão, mais atenção você deve dar à latência, ao consumo de tokens e ao comportamento de cache. Se a maior parte de dezenas de milhares de tokens de logs antigos já não é útil, continuar carregando tudo do mesmo jeito nem sempre é melhor do que um resumo compactado de alta qualidade.

3. Suportar 1M não significa que a qualidade fica completamente inalterada em 1M

Contextos muito longos reduzem o truncamento de informações, mas o modelo ainda pode ter a atenção dispersa por muito ruído. Recomendo limpar prontamente logs de build, saídas repetidas de ferramentas e trilhas de depuração já inválidas; quando houver uma mudança clara de fase na tarefa, você também pode usar /compact proativamente.

Perguntas frequentes

Configurei tudo, por que a sessão atual não mudou?

O config.toml é carregado principalmente na inicialização e ao criar sessões. Reinicie o cliente e crie uma nova sessão; não valide continuando a sessão longa antiga.

O arquivo de configuração carrega, mas o modelo não é Sol?

Verifique se você usou codex -m ..., --profile e se também existe um .codex/config.toml no diretório do projeto. Os argumentos de linha de comando, a configuração do projeto e o profile do Codex podem sobrescrever a configuração de nível de usuário.

E se o Codex disser “não conheço esta opção de configuração”?

Primeiro verifique a versão:

codex --version

Depois atualize para a versão atual:

codex update

Versões mais antigas do Codex podem ainda não ter essas duas chaves de configuração.

E se eu quiser restaurar as configurações padrão?

Basta remover as duas linhas abaixo para restaurar o contexto padrão do modelo e a política de compactação automática:

model_context_window = 1000000
model_auto_compact_token_limit = 900000

model = "gpt-5.6-sol" pode ser mantido ou você pode voltar para o modelo que usava antes.

Resumo

Para ativar permanentemente o contexto de 1M no GPT-5.6 Sol, basta colocar estas 3 linhas no topo do ~/.codex/config.toml:

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

1 milhão é o orçamento de contexto; 900 mil é o limite de compactação automática. Isso é ótimo para repositórios grandes e tarefas de agente de longa duração, mas para tarefas comuns continuar usando as configurações padrão do Codex geralmente economiza cota, é mais rápido e mais estável.

Se você pretende deixar o Codex executando tarefas por muito tempo na máquina de desenvolvimento e não quer ficar o tempo todo diante do computador, também pode usar o PandaNpc para visualizar sessões e interagir remotamente pelo navegador, desktop ou celular.