Du hast 200 $ für Codex Pro bezahlt.
Du hast dein Limit in 4 Stunden erreicht.
4 Stunden von einem 5-Stunden-Fenster. Weg.
Und das Schlimmste?
Der meiste Verbrauch war völlig vermeidbar.
Ich habe über 200.000 $ an Tokens mit GPT-5.6 Sol verbrannt, um das herauszufinden.
Hier ist alles, was ich gelernt habe – damit du es nicht musst.
━━━━━━━━━━━━━━━━━━
Warum du deine Limits so schnell verbrennst
Eine Einstellung. Ein Fehler. Der dich alles kostet.
Wenn Codex Sub-Agenten erzeugt, kopiert es das Elternmodell exakt.
Sol auf Ultra eingestellt? Jeder Sub-Agent läuft auch mit Sol Ultra. 3 Sub-Agenten für eine Aufgabe = 3 Sol Ultra-Instanzen, die gleichzeitig brennen.
Deshalb verschwindet dein 5-Stunden-Fenster in 90 Minuten.
Das Codex spawn_agent-Tool hat keine Option, um ein anderes Modell für Kind-Agenten auszuwählen.
Es klont einfach das, was du gerade verwendest.
Das ist nicht dein Fehler. Es ist ein Routing-Fehler im System.
Aber jetzt weißt du es. Und es gibt eine Lösung.
━━━━━━━━━━━━━━━━━━
Modell, das du niemals anfassen solltest
Ultra.
Keine Reasoning-Stufe. Ein Multiplikator.
Ultra erzeugt 4 parallele Sub-Sub-Agenten innerhalb eines einzigen Agentenaufrufs.
Bei einer einfachen Aufgabe: Sub-Agenten, die Sub-Agenten erzeugen, die weitere Sub-Agenten erzeugen.
Rekursiv. Unkontrolliert. Ruinös teuer.
Der Leistungsunterschied?
Sol Ultra erreicht 91,9 % bei Coding-Benchmarks. Sol Extra High erreicht 88,8 %.
3,1 zusätzliche Punkte. 3x die Kosten.
OpenAI hat die Ultra-Ergebnisse für ihre beiden wichtigsten Coding-Benchmarks nicht einmal veröffentlicht.
Das sollte dir alles sagen.
Vermeide Ultra vollständig. Punkt.
━━━━━━━━━━━━━━━━━━
3-Modell-System, das alles behebt
Du brauchst drei Agenten, die drei verschiedene Aufgaben erledigen.
Nicht ein Modell, das alles mit maximaler Leistung macht.
Sol Extra High → Der Orchestrator
Plant. Architekturiert. Delegiert. Trifft die schwierigen Entscheidungen.
Das ist dein Hauptgehirn. Dasjenige, das deinen Prompt liest und herausfindet, was passieren muss.
Extra High gibt dir 58/100 bei Benchmarks. Max gibt dir 59/100. Ein Punkt Unterschied. Dreimal günstiger.
Extra High ist hier die richtige Wahl.
Sol Medium → Der Ausführer
Schreibt Code. Behebt Fehler. Führt Tests durch. Setzt den Plan um.
Sol Medium schlägt Claude Fable 5 immer noch um 11,4 Punkte bei langlebigen Agenten-Workflows.
Zu etwa einem Viertel der Kosten.
Es muss keine architektonischen Entscheidungen treffen. Es muss nur Anweisungen gut befolgen. Medium macht das perfekt.
Luna Extra High → Der Scanner
Dateisuche. Codebase-Erkundung. Leichte Lesevorgänge. Beweissammlung.
Luna auf Extra High ist:
→ 1,3x schneller als Terra
→ 2,5x günstiger als Terra
→ Gleiche Leistung bei leichten Aufgaben
Das ist der Geheimtipp, den die meisten übersehen.
Luna sieht auf dem Papier günstig aus (1 $/6 $ pro Million Tokens), verbraucht aber mehr Schritte als Terra.
Auf Extra High sinkt diese Schrittanzahl. Es wird zur offensichtlichen Wahl für reine Leseaufgaben.
━━━━━━━━━━━━━━━━━━
Sol + Luna Routing-Trick (48 Stunden, null Limits erreicht)
Hier ist das genaue Setup, das kontinuierlich läuft, ohne dein Fenster zu verbrennen:
→ Sol Extra High schreibt den Plan
→ Luna Extra High führt ihn aus
→ Sol Extra High überprüft die Ausgabe
Das ist alles.
Eine Schleife. Kein rekursives Erzeugen. Keine Ultra-Klone, die im Hintergrund brennen.
Die Person, die das geteilt hat, hat es 48 Stunden lang ununterbrochen laufen lassen, ohne das 5-Stunden-Limit auch nur einmal zu erreichen.
Der Grund, warum es funktioniert: Sol bleibt auf Entscheidungen fokussiert. Luna erledigt die token-intensive Ausführungsarbeit zu 2,5x günstigeren Preisen. Der gesamte Token-Verbrauch sinkt drastisch, obwohl du mehr tust.
Deine AGENTS.md-Einstellung, die du sofort hinzufügen solltest:
Erzeuge nur dann Sub-Agenten, wenn ich dich explizit darum bitte. Erzeuge keine Sub-Agenten automatisch.
Das verhindert, dass Sol eifrig bei jeder Aufgabe Agenten startet.
Füge es zu deiner globalen AGENTS.md hinzu und starte Codex neu.
━━━━━━━━━━━━━━━━━━
Repariere deine config.toml in 5 Minuten
Das ist die eigentliche Datei, die alles steuert.
Codex liest sie beim Start.
Einmal einrichten. Jede Sitzung danach wird automatisch geroutet.
Öffne Codex. Füge diesen Prompt genau so ein:
Lies meine aktuelle ~/.codex/config.toml und die Dokumentation unter
https://developers.openai.com/codex/subagents für benutzerdefinierte Agentendefinitionen.
Führe dann Folgendes aus:
1. Erstelle drei Agenten-TOML-Dateien unter ~/.codex/agents/:
fast_scan – für schnelle Suchen, Codebase-Erkundung, Dateilesevorgänge und leichte Analysen.
- model: gpt-5.6-luna
- model_reasoning_effort: extra-high
- sandbox_mode: read-only
- Anweisungen: Sammle Beweise schnell, gib eine prägnante Zusammenfassung zurück, bearbeite keine Dateien.
routine_worker – für routinemäßiges Coden, Tests, Dokumentation und begrenzte Fehlerbehebungen.
- model: gpt-5.6-sol
- model_reasoning_effort: medium
- Anweisungen: Führe die zugewiesene Aufgabe aus und überprüfe das Ergebnis.
deep_worker – für schwieriges Debugging, Architektur, Sicherheit und mehrdeutige mehrschrittige Arbeiten.
- model: gpt-5.6-sol
- model_reasoning_effort: extra-high
- Anweisungen: Bearbeite komplexe Arbeiten sorgfältig, validiere Annahmen, sorge für eine starke Überprüfung.
2. Aktualisiere den Abschnitt [agents] meiner config.toml mit dieser Routing-Richtlinie:
"Entscheide automatisch, ob eine Delegation sinnvoll ist. Wähle fast_scan für leichte reine Leseaufgaben, routine_worker für normale Implementierungen und deep_worker für komplexe oder risikoreiche Reasoning-Aufgaben. Frage den Benutzer nicht, ein Modell auszuwählen, es sei denn, das erforderliche Modell ist nicht verfügbar. Behalte einfache Aufgaben beim Hauptagenten."
3. Stelle sicher, dass max_threads = 6 und max_depth = 1 unter [agents] gesetzt sind.
4. Zeige mir die endgültige config.toml und alle drei Agentendateien an, damit ich sie überprüfen kann, bevor du speicherst."
Codex erstellt jede Datei. Du überprüfst. Du speicherst. Fertig.
━━━━━━━━━━━━━━━━━━
Wie deine 3 Agentendateien aussehen
Codex generiert diese automatisch aus dem obigen Prompt.
So sollten sie aussehen – damit du weißt, was du überprüfen musst:
# ~/.codex/agents/fast-scan.toml name = "fast_scan" description = "Schnelle Suchen, Codebase-Erkundung, leichte reine Leseanalyse." model = "gpt-5.6-luna" model_reasoning_effort = "extra-high" sandbox_mode = "read-only" developer_instructions = """ Sammle Beweise schnell und gib eine prägnante Zusammenfassung zurück. Bearbeite keine Dateien. """
# ~/.codex/agents/routine-worker.toml name = "routine_worker" description = "Routinemäßiges Coden, Tests, Dokumentation und begrenzte Fehlerbehebungen." model = "gpt-5.6-sol" model_reasoning_effort = "medium" developer_instructions = """ Führe die zugewiesene begrenzte Aufgabe aus und überprüfe das Ergebnis. """
# ~/.codex/agents/deep-worker.toml name = "deep_worker" description = "Schwieriges Debugging, Architektur, Sicherheit und mehrdeutige mehrschrittige Arbeiten." model = "gpt-5.6-sol" model_reasoning_effort = "extra-high" developer_instructions = """ Bearbeite komplexe Arbeiten sorgfältig, validiere Annahmen und sorge für eine starke Überprüfung. """
# ~/.codex/config.toml — Abschnitt [agents] [agents] max_threads = 6 max_depth = 1 routing_policy = """ Entscheide automatisch, ob eine Delegation sinnvoll ist. Wähle fast_scan für leichte reine Leseaufgaben, routine_worker für normale Implementierungen und deep_worker für komplexe oder risikoreiche Reasoning-Aufgaben. Frage den Benutzer nicht, ein Modell auszuwählen. Behalte einfache Aufgaben beim Hauptagenten. """
max_depth = 1 ist entscheidend.
Es verhindert, dass Sub-Agenten ihre eigenen Sub-Agenten erzeugen.
Eine Ebene der Delegation. Kein rekursives Erzeugen. Keine außer Kontrolle geratenen Verbrennungen.
━━━━━━━━━━━━━━━━━━
Wie man Prompts schreibt, die keine Limits verbrennen
Das Modell wird weitermachen.
Und weiter.
Und weiter.
5.6 kann Aufgaben von Anfang bis Ende abschließen, ohne anzuhalten. Das ist meistens gut.
Aber ohne klare Stoppunkte schießt es über das Ziel hinaus. Schreibt Dinge um, die es nicht musste. Verbrennt 15 % deines Fensters für eine Aufgabe, die 3 % gebraucht hätte.
Füge zu jedem Prompt Stoppunkte hinzu:
Für Planungsaufgaben:
Baue diese neue Funktion.
Beginne damit, nur einen Plan zu schreiben. Wenn der Plan fertig ist, halte an und frage nach meinem Feedback. Schreibe noch keinen Code.
Für Implementierungsaufgaben:
Der Plan sieht großartig aus. Setze ihn jetzt um.
Nutze Computer Use, um während der Arbeit zu testen. Mache weiter, bis die Tests bestanden sind und du zufrieden bist. Erstelle einen PR, wenn du fertig bist. Halte an, nachdem der PR geöffnet ist. Ich übernehme die Überprüfungen ab da.
Für Debugging:
Behebe den Fehler in auth.ts.
Lies zuerst die Datei. Schreibe deine Diagnose. Halte an und zeige mir die Diagnose, bevor du Änderungen vornimmst. Ich bestätige, bevor du fortfährst.
Das Muster: Sage ihm genau, wann er aufhören soll.
Nicht vage. Nicht "nach deinem Ermessen."
Explizite Kontrollpunkte. Klare Übergaben zurück an dich.
━━━━━━━━━━━━━━━━━━
Aufwandsstufen-Leitfaden
Nicht alle Aufgaben brauchen die gleiche Leistung.
→ Niedrig / Mittel — Routineaufgaben, einfache Fehlerbehebungen, Dokumentation, Tests
→ Hoch — Funktionen, dateiübergreifende Änderungen, Debugging
→ Extra High — Architekturentscheidungen, Sicherheitsüberprüfungen, komplexe mehrschrittige Arbeiten
→ Max — Hebe dir das für wirklich schwierige Probleme auf, an denen du bereits gescheitert bist
→ Ultra — vermeiden. Immer.
Der Standard für die meisten Entwickler: Hoch.
Es ist völlig ausreichend. Sub-Agenten auf Hoch sind "nicht allzu schlimm" beim Verbrauch.
Die tägliche Empfehlung des Codex-Teams: Sol Medium.
Sol Medium schlägt Claude Fable 5 bei Agenten-Benchmarks. Zu einem Bruchteil des Preises.
Du brauchst nicht für alles Extra High.
Spickzettel für Aufwandsstufen:
Einfache Fehlerbehebung → Sol Niedrig oder Mittel Neue Funktion → Sol Hoch Schwieriges Problem → Sol Extra High Schneller Scan → Luna Extra High Nie → Ultra
━━━━━━━━━━━━━━━━━━
Benchmark-Zahlen, die alles erklären
Sol Extra High vs. Max: 58 vs. 59 Punkte. Ein Punkt. Dreimal günstiger. Verwende Extra High.
Sol Medium vs. Fable 5: Sol Medium gewinnt mit 11,4 Punkten bei Agenten-Workflows. Bei 4x geringeren Kosten.
Luna Extra High vs. Terra: Gleiche Leistung. 1,3x schneller. 2,5x günstiger. Verwende Luna.
Ultra vs. Extra High: 3,1 zusätzliche Punkte. 3x teurer. OpenAI hat Ultras Coding-Ergebnisse nicht einmal veröffentlicht. Verwende Extra High.
Das Muster: eine Stufe niedriger = gleiche Qualität, drastisch günstiger.
Die meisten Entwickler laufen bei allem eine oder zwei Stufen zu hoch.
Das ist der einzige Grund, warum Limits in 4 Stunden verschwinden.
Gehe eine Stufe runter. Behalte die gleiche Ausgabe. Verdopple dein aktives Fenster.
━━━━━━━━━━━━━━━━━━
Vorher und Nachher
Vor diesem Setup:
→ Sol Ultra hat alles ausgeführt
→ Sub-Agenten haben das Elternmodell und den Aufwand kopiert
→ 3 Sub-Agenten = 3 Sol Ultra-Instanzen, die gleichzeitig brennen
→ 5-Stunden-Fenster in 90 Minuten weg
→ Kein Kontext, was es verbrannt hat
Nach diesem Setup:
→ Sol Extra High als Orchestrator
→ Sol Medium für die Implementierung
→ Luna Extra High für das Scannen
→ max_depth = 1 stoppt rekursives Erzeugen
→ AGENTS.md weist Sol an, keine Agenten automatisch zu erzeugen
→ Stoppunkte in jedem Prompt kontrollieren, wie weit das Modell geht
Ergebnis: 48 Stunden ununterbrochene Arbeit. Null Limits erreicht.
Gleicher 200 $-Plan. Völlig andere Erfahrung.
━━━━━━━━━━━━━━━━━━
Vollständige Setup-Checkliste
Erledige diese fünf Dinge jetzt sofort:
→ 1. Öffne AGENTS.md. Füge hinzu: "Erzeuge nur dann Sub-Agenten, wenn ich dich explizit darum bitte."
→ 2. Füge den config.toml-Prompt in Codex ein. Lass ihn die 3 Agentendateien erstellen.
→ 3. Setze max_depth = 1 und max_threads = 6 in deiner config.toml.
→ 4. Ändere deinen Standardaufwand auf Sol Hoch. Nicht Ultra. Nicht Extra High für alles.
→ 5. Füge explizite Stoppunkte zu jedem langlebigen Prompt hinzu.
Dauert 10 Minuten.
Spart dir jede Woche Stunden an verbrannten Limits.
━━━━━━━━━━━━━━━━━━
Noch eine Sache
Verbringe Zeit in ~/.codex und ~/.claude.
Diese Verzeichnisse sind der Ort, an dem die wahre Macht liegt.
Benutzerdefinierte Agenten. Routing-Richtlinien. Modelleinstellungen. Standardanweisungen.
Die meisten Leute öffnen sie nie.
Die Entwickler, die gerade das meiste aus Codex herausholen?
Sie haben Änderungen vorgenommen, die sich dumm anfühlten, und waren überrascht, wie viel sie ausgemacht haben.
Experimentiere. Passe an. Überwache deine Nutzung über das Codex-Dashboard.
Kleine Konfigurationsänderungen summieren sich zu drastisch unterschiedlichen Token-Verbrauchsraten.
Dies ist die spaßigste Zeit, um mit KI zu bauen.
Die Tools belohnen die Leute, die sich wirklich reinknien.
━━━━━━━━━━━━━━━━━━
Wenn das deine Limits gerettet hat:
→ Teile es erneut, damit andere Codex Pro-Benutzer es sehen, bevor sie ein weiteres Fenster verbrennen
→ Folge @sairahul1 für weitere KI-System-Analysen
→ Setze ein Lesezeichen – der Konfig-Prompt funktioniert, füge ihn heute Abend ein
Abonniere theaibuilders.co für weitere interessante Artikel dieser Art
Ich schreibe über KI, Produktentwicklung und Systeme, die ohne dich funktionieren.
