HiveGPT AI 学习
登录

模型与推理强度 ​

同一个任务，换个模型或推理强度，结果可能差很多：简单的改名重构用最高推理强度，是在浪费时间和 token；排查并发 bug 用最低推理强度，它可能三轮都找不到原因。这一页讲 Codex 里和模型有关的几个旋钮：选哪个模型、推理强度怎么调、推理摘要和回复详略是什么，以及不同任务该怎么搭配。

在哪里选模型 ​

有三种方式，作用范围不同：

方式写法作用范围
会话内切换/model立即生效，并保存为默认值
命令行参数codex -m gpt-5.5只对这一次运行有效
配置文件model = "gpt-5.5"长期默认
bash
codex -m gpt-5.5                      # 交互模式指定模型
codex exec -m gpt-5.5 "补全单元测试"    # 非交互模式同样可用
toml
# ~/.codex/config.toml
model = "gpt-5.5"

在会话里输入 /model，会先列出可选模型，再列出该模型支持的推理强度。选完从下一轮生效，同时写回配置文件，下次启动沿用。

HiveGPT 下有哪些模型 ​

通过 接入 HiveGPT 使用 Codex 时，当前默认模型是 gpt-5.5。可选模型由两样东西决定：

  • 你的 Key 所在分组开放了哪些模型；
  • 配置里的 model_catalog_json = "~/.codex/codex-models.json"，也就是「使用密钥」弹窗里下载的模型目录文件。/model 的列表就来自这里。

所以，以 /model 里列出的为准。HiveGPT 上线新模型后，重新下载一次模型目录文件即可在列表里看到。想看 Codex 当前加载的完整模型目录（含每个模型支持的推理强度、上下文窗口），可以运行：

bash
codex debug models

为什么需要模型目录

Codex 需要知道每个模型的上下文窗口、支持哪些推理强度、默认用什么设置，才能正确地压缩上下文、显示选项。官方登录时这些信息从 OpenAI 获取；通过自定义提供方接入时，就由 model_catalog_json 提供。缺了它，/model 可能列不出模型，或者推理强度选项不对。

推理强度 ​

推理模型在回答前会先「想」一段，model_reasoning_effort 决定想多久。

toml
model_reasoning_effort = "medium"

可选值由模型自己声明。以 gpt-5.5 为例，Codex 内置目录里它支持四档，默认 medium：

推理强度速度token 消耗适合
low最快最少改文案、重命名、格式调整、照着现成模式补代码
medium适中适中日常开发的默认档：写功能、修一般的 bug、写测试
high较慢较多跨文件重构、复杂业务逻辑、不熟悉的代码库
xhigh最慢最多疑难 bug（并发、内存、偶发问题）、架构设计、安全审查

源码里推理强度的取值范围更大，还有 none、minimal、max、ultra 等，但某个模型实际支持哪些，以 /model 里显示的为准。写了模型不支持的值，Codex 会提示或回退。

几个经验：

  • 先用 medium，不行再升。多数任务 medium 就够；升档前先想想是不是任务描述不清楚，描述清楚往往比加推理强度更有效。

  • 规划和执行可以分开。plan_mode_reasoning_effort 单独设置计划模式（/plan）的推理强度，方案阶段多想一点，执行阶段用常规档：

    toml
    model_reasoning_effort = "medium"
plan_mode_reasoning_effort = "high"

  • 临时提升不要改默认值。/model 会把选择存成默认值，攻坚完记得调回来；只用一次的话，用命令行更干净：

    bash
    codex -c 'model_reasoning_effort="xhigh"' "这个死锁在高并发下才出现，帮我找原因"

    或者建一个 profile：~/.codex/deep.config.toml 里写 model_reasoning_effort = "xhigh"，需要时 codex -p deep。见 高级配置。

推理摘要 ​

模型的推理过程本身不直接展示，Codex 显示的是它的摘要，让你知道它在想什么、打算怎么做。

toml
model_reasoning_summary = "auto"   # auto / concise / detailed / none
值效果
auto默认，由模型决定详略
concise简短摘要
detailed详细摘要，适合想跟上它思路、学习它怎么排查问题
none不生成摘要

界面上不想看推理过程，用 hide_agent_reasoning = true 隐藏，这只影响显示，不影响模型推理本身。

回复详略 ​

model_verbosity 控制模型最终回复写多长：

toml
model_verbosity = "low"   # low / medium / high

low 时回复干脆，改完代码只说结果和要点；high 时会详细解释每一处改动。gpt-5.5 在内置目录里默认是 low。学习阶段想多看解释，可以调到 medium 或 high；熟练之后 low 更省 token 也更好读。

按任务推荐的组合 ​

任务推理强度推理摘要回复详略备注
改文案、样式微调、重命名lowautolow追求速度
日常功能开发、写测试mediumautolow默认就是它
学习陌生项目、让它讲解代码mediumdetailedhigh配合 -s read-only
跨模块重构highautomedium先 /plan 对齐方案
疑难 bug、性能问题xhighdetailedmedium给足复现步骤和日志
代码审阅 /reviewhighautomedium可用 review_model 单独指定模型
CI 里的批量小任务low 或 mediumnonelow省 token、跑得快

review_model 让 /review 和 codex review 使用单独的模型，主会话不受影响：

toml
review_model = "gpt-5.5"

速度、成本和质量怎么权衡 ​

按量计费时（例如 HiveGPT 的「GPT-按量」分组），费用主要由 token 决定，而推理 token 也计入输出。影响花费的因素，按影响大小大致是：

  1. 上下文长度。每一轮请求都会带上当前会话的历史，会话越长每轮越贵。换任务就 /new，长任务适时 /compact。
  2. 推理强度。档位越高，思考 token 越多，耗时也越长。
  3. 无效的来回。任务描述含糊导致返工，比任何参数都费钱。把目标、约束、验收标准一次说清楚，见 提示词最佳实践。
  4. 回复详略。影响相对小，但积少成多。

一个实用的做法：日常保持 medium + low 详略，只在明确卡住时提升推理强度；每完成一个独立任务就 /new。消耗明细可以在会话里用 /status 看本次 token，或在 HiveGPT 的「使用记录」里看每次调用的扣费。

有的模型还提供不同的服务档位（例如更快但更贵的优先处理），对应配置项 service_tier，会话里 /model 下方也可能出现切换命令。是否可用、怎么计费，以服务方说明为准。

上下文窗口与自动压缩 ​

Codex 会根据模型目录里的上下文窗口大小，在快满时自动压缩历史。gpt-5.5 在内置目录里的上下文窗口是 272K token。相关配置：

toml
model_auto_compact_token_limit = 200000   # 达到多少 token 时自动压缩
model_context_window = 272000             # 一般不用写，模型目录里没有时才手动指定

压缩会丢失细节。如果发现 Codex 在长会话后期「忘了」之前的约定，把关键约定写进 AGENTS.md，它每次都会读，不受压缩影响。

使用第三方模型的注意事项 ​

Codex 可以通过 model_providers 接入其他兼容 OpenAI Responses 接口的模型，具体步骤见 接入 DeepSeek 等其他模型。换用第三方模型时要留意：

  • 协议：当前 Codex 只支持 Responses 接口（wire_api = "responses"），只提供 Chat Completions 的服务需要对方或中间层做转换。
  • 推理参数：model_reasoning_effort、model_verbosity、model_reasoning_summary 是 OpenAI 模型的参数，第三方模型可能不支持或含义不同，按对方文档设置；不支持时不要写，避免请求报错。
  • 模型目录：没有对应的目录信息时，Codex 不知道上下文窗口，可以用 model_context_window 手动指定，否则自动压缩的时机可能不准。
  • 工具调用能力：Codex 高度依赖模型的工具调用和长上下文能力，弱一些的模型可能频繁调用失败、改错文件。先用小任务试，确认靠谱再用到正式项目。
  • 内置功能：网页搜索等依赖 OpenAI 服务端的功能，在第三方提供方上通常不可用。

小结 ​

  • 选模型：/model（会存为默认）、-m（只这一次）、model =（长期默认）；HiveGPT 下可选模型以 /model 列表为准，默认 gpt-5.5。
  • 推理强度先用 medium，卡住再升到 high / xhigh；可选档位由模型决定，gpt-5.5 支持 low 到 xhigh。
  • model_reasoning_summary 管推理摘要，model_verbosity 管回复长短，plan_mode_reasoning_effort 单独管计划模式。
  • 花费主要来自上下文长度和推理强度：换任务 /new，长任务 /compact，临时攻坚用命令行或 profile。
  • 第三方模型只支持 Responses 协议，推理类参数按对方文档设置。

下一步：提示词最佳实践

代码示例在页面里运行时使用 HiveGPT 的模型接口。延伸阅读来自 JavaGuide（Apache-2.0），版权归原作者。

© HiveGPT