Codex

Codex CLI: qué son review_model y reasoning_effort

Comprende review_model, model_reasoning_effort, /review, /model y cómo afectan estas opciones al coste y la calidad en Codex CLI. Con configuración y ejemplos.

Respuesta breve

review_model selecciona el modelo para /review; si no se configura, Codex usa el modelo de la sesión actual. model_reasoning_effort ajusta el esfuerzo de razonamiento de los modelos que lo admiten mediante la Responses API.

Un mayor esfuerzo puede ayudar con tareas difíciles, pero no garantiza una respuesta correcta ni un menor coste total. No es un ajuste de temperatura ni de longitud de respuesta.

Relación entre los campos

Campo	Función
`model`	Modelo predeterminado para el trabajo habitual
`review_model`	Modelo utilizado en flujos de revisión como `/review`
`model_reasoning_effort`	Nivel de razonamiento del modelo principal
`/model`	Punto de entrada durante la sesión para cambiar el modelo o el razonamiento
`/review`	Punto de entrada para pedir a Codex que revise los cambios actuales

Elige el esfuerzo según la tarea

Usa estos niveles como punto de partida y evalúa el resultado según los criterios de aceptación:

Tarea	Punto de partida	Qué comprobar
Cambio pequeño y bien definido o explicación breve	`low`, si se admite	Corrección y tiempo de respuesta.
Función habitual o error con reproducción clara	`medium`, si se admite	Pruebas, integridad y cambios innecesarios.
Diagnóstico difícil, cambio entre módulos o revisión detallada	`high`; prueba un nivel superior compatible si hace falta	Restricciones omitidas, falsos hallazgos y tiempo total hasta obtener un resultado útil.

Los niveles disponibles dependen del modelo, la versión de Codex y el proveedor. Consulta /model y la referencia del modelo antes de usar niveles como xhigh o max. Que un modelo admita un nivel no implica que otro lo admita. Más esfuerzo puede aumentar los tokens de razonamiento y la latencia; los reintentos, el contexto, las llamadas a herramientas y las tarifas también afectan al coste total.

Ejemplo de configuración

Define valores predeterminados persistentes en config.toml dentro de CODEX_HOME, o en ~/.codex/config.toml si no está definido. Coloca estas claves en el nivel superior, antes de las tablas TOML, y conserva la configuración del proveedor y la autenticación:

model = "gpt-6-astra"
review_model = "gpt-6-astra"
model_reasoning_effort = "high"

Parámetros de configuración

Parámetro	Función y ubicación	Valores predeterminados y ejemplos
`model`	Raíz; Model ID completo de la plaza de modelos.	Ejemplo: `gpt-6-astra`; cámbialo según necesites.
`review_model`	Raíz; modelo que usa `/review`.	Opcional; por defecto usa el modelo de la sesión actual.
`model_reasoning_effort`	Raíz; esfuerzo de razonamiento del modelo.	Ejemplo: `high`; niveles y valores predeterminados dependen del modelo.

No coloques modelos o razonamiento en [projects."<path>"]. Un modelo específico del proyecto puede usar claves raíz en .codex/config.toml de un proyecto de confianza; provider y autenticación permanecen en la configuración de usuario. Los perfiles actuales usan NAME.config.toml dentro de CODEX_HOME, elegido con codex --profile NAME, no tablas antiguas [profiles.NAME] ni el selector raíz profile.

Valores del archivo y ajustes de sesión

Al iniciar, los argumentos de CLI y las opciones -c tienen prioridad sobre la configuración del proyecto de confianza, el perfil seleccionado y los valores del usuario. En las versiones actuales, --profile NAME carga NAME.config.toml desde CODEX_HOME. Las versiones antiguas usaban otro formato de perfil.

Para cambiar solo el esfuerzo en un inicio:

codex -c 'model_reasoning_effort="medium"'

Durante la sesión, usa /model para seleccionar el modelo activo y un nivel disponible. Editar el archivo no garantiza que una sesión abierta cambie de inmediato; inicia otra sesión para comprobar los valores guardados. El modo Plan puede usar plan_mode_reasoning_effort o su propio ajuste preestablecido, así que compruébalo por separado.

Comprueba el ajuste efectivo

Ejecuta codex --version e inicia una sesión nueva desde el directorio del proyecto previsto.
Usa /model para comprobar el esfuerzo seleccionado y /status para confirmar el modelo y la configuración de la sesión. Si difieren del archivo, revisa los argumentos de inicio, el perfil, la configuración del proyecto y /debug-config, si está disponible.
Compara la misma tarea representativa con dos niveles compatibles en sesiones separadas. Revisa el diff, las pruebas, el tiempo y los registros de uso de BetterToken. Elige el ajuste que cumpla tu objetivo de calidad; menos esfuerzo no garantiza un menor coste total.

Errores habituales

Pensar que review_model sustituye al modelo principal en todas las tareas.
Tratar el nivel de razonamiento como una configuración de temperatura.
Utilizar un Model ID que no admite el proveedor actual.
Utilizar el nivel de razonamiento más alto para todas las tareas.
Revisar solo los nombres de los modelos sin comprobar el uso real y la calidad de los resultados.