> ## Documentation Index
> Fetch the complete documentation index at: https://docs.bettertoken.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# ¿Qué significan review_model y reasoning_effort en Codex CLI?

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

## Respuesta breve

`review_model` es el modelo que Codex utiliza en los flujos de revisión de código. `model_reasoning_effort` controla el nivel de razonamiento de los modelos compatibles con la Responses API.

Ambos campos pueden afectar a la calidad, la velocidad y el coste de uso. Los niveles de razonamiento altos son adecuados para tareas complejas, pero pueden consumir más.

## 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         |

## Configuración recomendada

```toml theme={null}
model = "gpt-5.5"
review_model = "gpt-5.4"
model_reasoning_effort = "high"
```

Para cambios pequeños y rápidos, puedes reducir el nivel de razonamiento. Para refactorizaciones entre archivos, depuración difícil o tareas con mucho contexto, resulta más adecuado un nivel mayor.

## 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.

## Cómo interviene BetterToken

Los distintos modelos y niveles de razonamiento afectan al uso. Los registros de BetterToken permiten comparar la entrada, la salida y el coste entre tareas reales.

Copia los Model ID del **proveedor GPT** para que el proveedor actual pueda reconocerlos.

## Documentación relacionada

* [Cómo configurar config.toml en Codex CLI](/es/faq/codex/config-toml)
* [Qué son model\_provider, base\_url y wire\_api](/es/faq/codex/model-provider-base-url-wire-api)
* [Guía para configurar Codex con BetterToken](/es/ai-tools/codex)
* [Qué son el sandbox y los modos de aprobación de Codex CLI](/es/faq/codex/sandbox-approval)

## Referencias

* [Referencia de configuración de Codex](https://developers.openai.com/codex/config-reference)
* [Ejemplo de configuración de Codex](https://developers.openai.com/codex/config-sample)
* [Comandos slash de Codex CLI](https://developers.openai.com/codex/cli/slash-commands)