Skip to main content

​
Réponse courte

review_model est le modèle que Codex utilise pour les flux de revue de code. model_reasoning_effort contrôle la puissance de raisonnement des modèles qui prennent en charge la Responses API. Ces deux champs peuvent influer sur la qualité, la vitesse et le coût d’utilisation. Des paramètres de raisonnement plus élevés conviennent mieux aux tâches complexes, mais ils peuvent consommer davantage.

​
Relations entre les champs

​
Configuration recommandée

Pour de petites modifications rapides, vous pouvez réduire l’effort de raisonnement. Pour les refactorisations sur plusieurs fichiers, le débogage difficile ou les tâches à contexte long, un effort de raisonnement plus élevé est préférable.

​
Erreurs fréquentes

  • Penser que review_model remplace le modèle principal pour toutes les tâches.
  • Traiter l’effort de raisonnement comme un réglage de température.
  • Utiliser un Model ID non pris en charge par le fournisseur actuel.
  • Utiliser l’effort de raisonnement maximal pour chaque tâche.
  • Ne regarder que les noms de modèles sans vérifier l’utilisation réelle ni la qualité du résultat.

​
À propos de BetterToken

Différents modèles et paramètres de raisonnement influent sur l’utilisation. Les enregistrements d’utilisation BetterToken vous aident à comparer les entrées, les sorties et le coût de tâches réelles. Copiez les Model ID depuis le fournisseur GPT afin que le fournisseur actuel puisse les reconnaître.

​
Documentation associée

​
Références