Skip to main content

​
Resposta curta

review_model escolhe o modelo de /review; quando não está definido, o Codex usa o modelo da sessão atual. model_reasoning_effort ajusta o esforço de raciocínio dos modelos que aceitam essa opção pela Responses API. Mais esforço pode ajudar em tarefas difíceis, mas não garante uma resposta correta nem um custo total menor. Não é um ajuste de temperatura ou de comprimento da resposta.

​
Relação entre os campos

​
Escolha o esforço conforme a tarefa

Use estes níveis como ponto de partida e avalie o resultado pelos critérios de aceitação: Os níveis disponíveis dependem do modelo, da versão do Codex e do provedor. Confira /model e a referência do modelo antes de usar níveis como xhigh ou max. O suporte de um modelo não implica o de outro. Mais esforço pode aumentar os tokens de raciocínio e a latência; novas tentativas, contexto, chamadas de ferramentas e tarifas também afetam o custo total.

​
Exemplo de configuração

Defina padrões persistentes em config.toml dentro de CODEX_HOME, ou em ~/.codex/config.toml quando a variável não estiver definida. Coloque estas chaves no nível superior, antes das tabelas TOML, e mantenha as configurações do provedor e da autenticação:

​
Padrões do arquivo e ajustes da sessão

Na inicialização, argumentos de CLI e opções -c têm prioridade sobre a configuração do projeto confiável, o perfil selecionado e os padrões do usuário. Nas versões atuais, --profile NAME carrega NAME.config.toml de CODEX_HOME. Versões antigas usavam outro formato de perfil. Para alterar apenas o esforço em uma inicialização:
Durante a sessão, use /model para selecionar o modelo ativo e um nível disponível. Editar o arquivo não garante que uma sessão em andamento mude imediatamente; abra uma nova sessão para conferir os padrões salvos. O modo Plan pode usar plan_mode_reasoning_effort ou sua própria predefinição, então verifique-o separadamente.

​
Verifique o ajuste efetivo

  1. Execute codex --version e inicie uma nova sessão no diretório do projeto desejado.
  2. Confira o esforço selecionado em /model e o modelo ativo e a configuração em /status. Se houver diferença em relação ao arquivo, verifique argumentos de inicialização, perfil, configuração do projeto e /debug-config, quando disponível.
  3. Compare a mesma tarefa representativa em dois níveis compatíveis, em sessões separadas. Confira diff, testes, duração e registros de uso da BetterToken. Escolha o ajuste que atenda à qualidade necessária; menos esforço não garante menor custo total.

​
Erros comuns

  • Achar que review_model substitui o modelo principal em todas as tarefas.
  • Tratar o esforço de raciocínio como uma configuração de temperatura.
  • Usar um ID de modelo não aceito pelo provedor atual.
  • Usar o esforço máximo de raciocínio em todas as tarefas.
  • Considerar apenas os nomes dos modelos, sem conferir o uso real e a qualidade dos resultados.

​
Sobre a BetterToken

Modelos e configurações de raciocínio diferentes afetam o uso. Os registros da BetterToken ajudam você a comparar entrada, saída e custo em tarefas reais. Copie os IDs de modelo do provedor GPT para que o provedor atual consiga reconhecê-los.

​
Documentos relacionados

​
Referências