10. 官方模型一览
本文你将学会： Codex 能用哪些 OpenAI 官方模型、各自适合什么场景、新手该选哪个、Token 和成本怎么算。
一分钟搞定选哪个
| 你的情况 | 选 |
|---|---|
| 新手 / 不知道选哪个 | ⭐ gpt-5.2-codex（默认，均衡，最稳） |
| 想省钱 | gpt-5.1-codex-mini |
| 项目级超复杂任务 | gpt-5.1-codex-max |
| 极快响应（Pro 用户） | gpt-5.3-codex-spark |
| 算法题 / 逻辑推理 | o3 |
| 国内用户、没 OpenAI 账号 | 看 国内模型对接 |
先搞懂：Token 和成本
Token 是什么？
Token = LLM 处理文字的最小单位。1 个汉字 ≈ 2 token，1 个英文单词 ≈ 1-2 token。
调 LLM 的费用按 输入 token 数 + 输出 token 数 算钱——你发给它多少字 + 它回了多少字。
一个直观的感受：
- 一次问"Python 如何读 CSV"：约 50 token 输入 + 300 token 输出 = ¥0.001 左右（DeepSeek 价格）
- 一次让 Codex 重构一个文件：约 5000 token 输入 + 2000 token 输出 = ¥0.05 左右
- 一个月日常用：¥10-30 起步
为什么模型表里 token 消耗"高 / 低"：
- gpt-5.2-codex 是主力模型，单 token 算正常价
- gpt-5.1-codex-mini 表里写
低（4× 更多用量）= 同样的预算能用 4 倍多的 token（性能换 token） - gpt-5.5 / 5.1-codex-max 是旗舰，单 token 价格更高
模型速查表
| 模型名称 | 特点 | 适用场景 | 单价（相对） |
|---|---|---|---|
⭐ gpt-5.2-codex | 最强代码 Agent | 日常使用，新手首选 | 中 |
gpt-5.1-codex-mini | 轻量快速 | 日常小任务、快速迭代 | 低（同预算用 4× token） |
gpt-5.1-codex-max | 超长推理 | 项目级复杂重构 | 很高 |
gpt-5.3-codex-spark | 近实时响应 | 快速问答（仅 Pro） | 极低 |
gpt-5.5 | 最强综合能力 | 复杂任务、需广泛知识 | 高 |
o3 | 深度推理 | 算法题、复杂逻辑 | 高 |
o4-mini | 轻量推理 | 日常推理任务 | 中 |
各模型详解
⭐ gpt-5.2-codex（新手默认）
Codex CLI 的主力模型，专门针对代码 Agent 场景优化：
- 上下文压缩：长对话自动压缩，不会因 token 耗尽中断
- 大型重构：处理跨多文件的重构任务更稳定
- Windows 原生支持：在 PowerShell 环境下表现最佳
bash
codex --model gpt-5.2-codex适合：80% 的日常场景。不知道选什么就用它。
gpt-5.1-codex-mini（省钱首选）
性能略低于 gpt-5.2-codex，但 token 单价约为 1/4：
- ✅ 适合：简单 Bug 修复、代码解释、日常问答
- ❌ 不适合：复杂多步骤重构、需要大量推理的任务
bash
codex --model gpt-5.1-codex-mini适合：预算紧 / 只跑简单任务的开发者。
gpt-5.1-codex-max（重型任务）
gpt-5.2-codex 的"重型"版本——上下文更长、推理更深，单 token 更贵。
适合：跨多文件的大型重构、复杂的架构改造。
bash
codex --model gpt-5.1-codex-maxgpt-5.3-codex-spark（极速版）
近实时响应——单次回答的延迟极低，适合快速问答。
仅 ChatGPT Pro 订阅可用
不是按 API 付费的人无法用。
gpt-5.5（旗舰通用）
OpenAI 最新旗舰，不只是代码：
- 编程 + 研究 + 复杂知识工作均擅长
- 适合需要结合外部知识的任务（如："按行业最佳实践重构代码"）
bash
codex --model gpt-5.5o 系列（推理优化）
o3：深度推理，算法 / 数学 / 复杂逻辑o4-mini：轻量推理，日常推理任务
什么时候用 o 系列 vs codex 系列？
- 写 / 改 / 重构代码 → codex 系列（专为代码优化）
- 解算法题 / 调试复杂逻辑 → o 系列（思考时间更长）
- 不确定 → 默认 codex
如何切换模型
启动时指定
bash
codex --model gpt-5.1-codex-mini在 config.toml 中设默认
toml
# ~/.codex/config.toml
[model]
provider = "openai"
name = "gpt-5.2-codex"会话中临时切换
/model gpt-5.1-codex-mini切换后立即生效，下次会话还原默认。
选哪个模型？决策流程
你的需求：
│
├── 复杂多文件重构 / 重型任务
│ → gpt-5.1-codex-max
│
├── 日常写代码、改 bug
│ → gpt-5.2-codex（默认）⭐
│
├── 简单提问、想省钱
│ → gpt-5.1-codex-mini
│
├── 算法 / 数学题 / 复杂推理
│ → o3 / o4-mini
│
└── 在中国大陆，没 OpenAI 账号
→ 改走 国内模型对接如何估算成本
实战案例
场景：用 Codex 重构一个 200 行的 Python 文件，跑了 3 轮迭代。
| 模型 | token 用量 | 大致费用（OpenAI 价格） |
|---|---|---|
| gpt-5.2-codex | ~15000 token | ¥3-5 |
| gpt-5.1-codex-mini | ~15000 token | ¥0.8-1.2 |
| DeepSeek V3（国内） | ~15000 token | ¥0.1-0.2 |
结论：日常开发选 gpt-5.2-codex 或 DeepSeek，预算敏感选 mini。一个月下来重度用户可能 ¥100-300（OpenAI）/ ¥20-50（DeepSeek）。
看实时余额和用量
/usage会显示当前会话累计的 token 用量 + 估算费用。如果开多个 Codex 会话想总览，去 platform.openai.com/usage。
下一步
- 🇨🇳 国内模型对接（国内用户走这条）
- 🔌 自定义模型供应商（接你自己的服务）
- 🔐 Agent 权限模式