Ich habe über 200.000 Dollar an Tokens mit gpt-5.6-sol verbrannt. Es ist ein großartiges Modell. Allerdings ist es etwas zu einfach, an seine Grenzen zu stoßen mit dem 200-Dollar-Codex-Pro-Abo.
OpenAI war großzügig mit Zurücksetzungen, aber das hilft nicht, wenn du dein 5-Stunden-Fenster mit 4 verbleibenden Stunden killst. Ich habe viele Fehler gemacht und sehe andere auch welche machen. Ich werde wahrscheinlich irgendwann ein Video dazu machen, wollte aber diesen Rat so schnell wie möglich rausbringen, damit ihr mehr erledigt bekommt, während ihr weniger verbrennt.
Anstrengungsstufen
Standardmäßig auf mittel oder hoch stellen. Beide sind großartig. xhigh ist unglaublich leistungsfähig, aber ich brauche es nicht oft, selbst wenn ich viele Unteragenten orchestriere (dazu später mehr).
„Ultra“
Ultra ist keine Reasoning-Stufe, auch wenn sie es in der UI so platzieren. Es verursacht ähnliche Verwirrung wie Claude Codes „Ultracode“. Ich habe dazu später ein Video.
Für jetzt empfehle ich, Ultra komplett zu vermeiden. Es gibt Fehler im Codex-Harness, die dazu führen, dass es viel zu viele Unteragenten mit VIEL zu hohen Reasoning-Stufen spawnen. Ich werde darauf zurückkommen, wenn die Fehler behoben sind.
Schnellmodus
Ich liebe den Schnellmodus. Früher habe ich ihn oft genutzt. Er macht Sinn für Modelle, die oft anhalten, bevor sie viel verbrennen. Erinnerung: Der Schnellmodus verbraucht 2,5‑mal so viele Credits.
5.5 blieb oft stehen und brauchte Ermutigung, um weiterzumachen. 5.6 kann VIEL LÄNGER durchhalten. Das ist meistens gut. Man kann ihm vertrauen, Aufgaben von Anfang bis Ende zu erledigen. Es macht den „Token-Verbrauch“ aber auch viel weniger vorhersehbar.
Ohne Berücksichtigung von /goal könnte eine einzelne Nachricht mit 5.5 zwischen 0,1 % und 2 % meiner Limits verbrauchen. Mit dem 2,5‑fachen wären das ~5 % „Spitze“ für eine bestimmte Nachricht.
Ich habe gesehen, dass 5.6 bis zu 15 % bei einer einzigen Nachricht verbraucht, weil es viel länger läuft. Mit dem Schnellmodus-Multiplikator wären das 40 % deines 5‑Stunden‑Fensters in einer einzigen Nachricht. Ich weiß, das verbrennt viele Leute. Vertrau mir, benutze den Schnellmodus für eine Weile nicht.
Unteragenten
Das ist die coolste Neuerung mit GPT-5.6. Es ist auch leicht, sich selbst ins Bein zu schießen. Sol ist sehr eifrig dabei, Unteragenten zu spawnen. Das ist meistens gut.
Leider hat die Implementierung in Codex ein ganzes Rattennest an Problemen (fang mich nicht mit dem v1/v2‑Split und dem automatischen Routing basierend auf Modellen an).
tl;dr – gpt-5.6-sol wird IMMER Unteragenten mit demselben Modell und Reasoning-Level wie die Elterninstanz spawnen. Deshalb ist Ultra gerade „kaputt“.
Was kannst du also dagegen tun? Ein paar Dinge:
- Senke dein Reasoning-Level! „High“ ist mit Unteragenten nicht so schlimm, „low“ und „medium“ sind auch großartig.
- Aktualisiere deine globale AGENTS.md, um festzulegen: „spawne Unteragenten nur, wenn ich dich darum bitte“ (hilft gegen das übereifrige Spawnen von 5.6).
- Wenn du Codex wirklich erlauben willst, mehrere Ebenen von Unteragenten zu spawnen, kannst du ein
hide_spawn_agent_metadata = false-Flag in deiner Konfiguration aktivieren. Frage Codex danach, es sollte sich darum kümmern können (braucht vielleicht Quellcode-Zugriff).
Ich bin aktiv im Gespräch mit dem Codex‑Team, wie man all diese Verhaltensweisen beheben kann. Vorerst gehe ich einen etwas absurden Weg, um es zu umgehen.
Modellauswahl
Persönlich verwende ich für die allermeisten meiner Arbeiten immer noch gpt-5.6-sol. Gelegentlich wähle ich Terra für eine schnelle Überprüfung oder ein Feedback, meistens aus Neugier. Luna ist überraschend gut, aber es ist nicht wirklich dazu gedacht, dass wir es „auswählen“, sondern eher ein Werkzeug für Code und damit Sol es als Unteragent spawnen kann.
Mein Rat hier: sol high bei 200‑Dollar‑Tarif, sol low sonst.
Terra medium scheint eine solide Option zu sein, um die Nutzung zu maximieren, aber ich habe es nicht genug verwendet, um das wirklich zu wissen. (Alle diese Optionen schlagen Sonnet und Opus in Intelligenz und Kosten übrigens um Längen.)
Besser prompten
Dieses Modell läuft und läuft und läuft. Ich finde es sehr hilfreich, klare „Stopp‑Punkte“ in deinem Prompt zu haben. Hier sind einige Beispiele.
Ich möchte, dass du diese neue Funktion baust. Beginne damit, einen Plan zu schreiben. Wenn du den Plan fertig hast,
stoppe und bitte um Feedback, bevor du fortfährst
Der Plan sieht großartig aus! Lass uns ihn umsetzen. Verwende Computer Use, um deine Implementierung zu testen. Mach weiter, bis der Code funktioniert und du mit der Implementierung zufrieden bist. Erstelle einen PR, betreue ihn für die erste Runde von Review‑Kommentaren und gehe darauf ein.
Stoppe nach der ersten Runde von Review‑Kommentaren, ich kümmere mich ab da darum.
Beachte, dass diese Beispiele stark in der „Aufgabenlänge“ variieren. 5.6 kann eine Weile laufen und es gut machen! Es geht nur manchmal ein bisschen ZU weit, daher profitiert es sehr von klaren Stopp‑Punkten.
Lass einen anderen Agenten steuern
tl;dr – wenn du einen anderen Sub hast, lass Fable „fahren“. Bring ihm bei, wie man Unteragenten mit gpt-5.6 spawnet (oder verwende Cursor, es weiß es bereits).
Ich wechsle zwischen ein paar Subs (2x Claude $200, 1x Codex $200). Fable ist auch SEHR token‑hungrig, aber wenn es auf niedrigeren Reasoning‑Levels verwendet wird und mit Fähigkeiten/Anweisungen zum Spawnen von Codex‑Unteragenten ausgestattet ist, ist es wirklich leistungsstark. Ich spreche viel darüber in einem aktuellen Video zur Maximierung der Fable‑Nutzung, und diese Tipps sind jetzt nützlicher denn je.
„Verschiebe Dinge, bis es sich richtig anfühlt“
Experimentieren ist gerade so wertvoll. Probiere verschiedene Dinge aus, experimentiere mit schwierigeren Aufgaben, versuche, die Nutzung zu überwachen (über die Dashboards, ccusage, codexbar, wie du magst). Du wirst überrascht sein, wie sehr kleine Änderungen deine Ergebnisse und deine Token‑Verbrauchsraten beeinflussen können.
Es ist eine so spaßige Zeit, ein Entwickler zu sein. Spiele herum. Verbringe mehr Zeit in den Verzeichnissen ~/.codex und ~/.claude. Mache Änderungen, die sich dumm anfühlen. Experimentiere. Du wirst erstaunt sein, was passieren kann.
