Pagaste $200 por Codex Pro.
Alcanzaste tu límite en 4 horas.
4 horas de una ventana de 5 horas. Perdidas.
¿Y lo peor?
Gran parte de ese consumo era completamente evitable.
He quemado más de $200,000 en tokens en GPT-5.6 Sol para descubrir esto.
Aquí está todo lo que aprendí — para que tú no tengas que hacerlo.
━━━━━━━━━━━━━━━━━━
Por qué estás quemando límites tan rápido
Un ajuste. Un error. Costándote todo.
Cuando Codex genera subagentes, copia el modelo padre exactamente.
¿Configuraste Sol en Ultra? Cada subagente también ejecuta Sol Ultra. 3 subagentes en una tarea = 3 instancias de Sol Ultra quemándose simultáneamente.
Por eso tu ventana de 5 horas desaparece en 90 minutos.
La herramienta spawn_agent de Codex no tiene opción para elegir un modelo diferente para los agentes hijos.
Simplemente clona lo que sea que estés ejecutando.
Esto no es tu culpa. Es una falla de enrutamiento en el sistema.
Pero ahora lo sabes. Y hay una solución.
━━━━━━━━━━━━━━━━━━
Modelo que nunca debes tocar
Ultra.
No es un nivel de razonamiento. Es un multiplicador.
Ultra genera 4 sub-subagentes paralelos dentro de una sola llamada de agente.
En una tarea simple: subagentes generando subagentes que generan más subagentes.
Recursivo. Sin control. Ruinosamente caro.
¿La diferencia de rendimiento?
Sol Ultra obtiene 91.9% en benchmarks de codificación. Sol Extra High obtiene 88.8%.
3.1 puntos extra. 3 veces el costo.
OpenAI ni siquiera publicó los resultados de Ultra para sus dos principales benchmarks de codificación.
Eso debería decírtelo todo.
Evita Ultra por completo. Punto final.
━━━━━━━━━━━━━━━━━━
Sistema de 3 modelos que lo soluciona todo
Necesitas tres agentes haciendo tres trabajos diferentes.
No un solo modelo haciendo todo a máxima potencia.
Sol Extra High → El Orquestador
Planifica. Arquitecta. Delega. Toma las decisiones difíciles.
Este es tu cerebro principal. El que lee tu prompt y descubre qué debe suceder.
Extra High te da 58/100 en benchmarks. Max te da 59/100. Un punto de diferencia. Tres veces más barato.
Extra High es la decisión correcta aquí.
Sol Medium → El Ejecutor
Escribe código. Corrige errores. Ejecuta pruebas. Implementa el plan.
Sol Medium sigue superando a Claude Fable 5 por 11.4 puntos en flujos de trabajo de agentes de larga duración.
A aproximadamente una cuarta parte del costo.
No necesita tomar decisiones arquitectónicas. Solo necesita seguir instrucciones bien. Medium hace eso perfectamente.
Luna Extra High → El Escáner
Búsquedas de archivos. Exploración de código base. Lecturas ligeras. Recopilación de evidencia.
Luna en Extra High es:
→ 1.3 veces más rápida que Terra
→ 2.5 veces más barata que Terra
→ Mismo rendimiento en tareas ligeras
Esta es la elección oculta que la mayoría pasa por alto.
Luna se ve barata en papel ($1/$6 por millón de tokens) pero quema más pasos que Terra.
En Extra High, ese conteo de pasos disminuye. Se convierte en la opción obvia para trabajo de solo lectura.
━━━━━━━━━━━━━━━━━━
Truco de enrutamiento Sol + Luna (48 horas, cero límites alcanzados)
Aquí está la configuración exacta que se ejecuta continuamente sin quemar tu ventana:
→ Sol Extra High escribe el plan
→ Luna Extra High lo ejecuta
→ Sol Extra High revisa el resultado
Eso es todo.
Un bucle. Sin generación recursiva. Sin clones de Ultra quemándose en segundo plano.
La persona que compartió esto lo ejecutó durante 48 horas seguidas sin alcanzar el límite de 5 horas ni una vez.
La razón por la que funciona: Sol se mantiene enfocado en las decisiones. Luna maneja el trabajo pesado de tokens a tasas 2.5 veces más baratas. El consumo total de tokens disminuye drásticamente aunque estés haciendo más.
Tu ajuste en AGENTS.md para agregar ahora mismo:
Solo genera subagentes cuando te lo pida explícitamente. No generes subagentes automáticamente.
Esto evita que Sol genere agentes con entusiasmo en cada tarea.
Agrégalo a tu AGENTS.md global y reinicia Codex.
━━━━━━━━━━━━━━━━━━
Arregla tu config.toml en 5 minutos
Este es el archivo real que controla todo.
Codex lo lee al iniciar.
Configúralo una vez. Cada sesión posterior se enrutará automáticamente.
Abre Codex. Pega este prompt exactamente:
Lee mi ~/.codex/config.toml actual y la documentación en
https://developers.openai.com/codex/subagents para definiciones de agentes personalizados.
Luego haz lo siguiente:
1. Crea tres archivos TOML de agente en ~/.codex/agents/:
fast_scan — para búsquedas rápidas, exploración de código base, lecturas de archivos y análisis ligeros.
- model: gpt-5.6-luna
- model_reasoning_effort: extra-high
- sandbox_mode: read-only
- Instrucciones: recopila evidencia rápidamente, devuelve un resumen conciso, no edites archivos.
routine_worker — para codificación rutinaria, pruebas, documentación y correcciones acotadas.
- model: gpt-5.6-sol
- model_reasoning_effort: medium
- Instrucciones: implementa la tarea asignada y verifica el resultado.
deep_worker — para depuración difícil, arquitectura, seguridad y trabajo ambiguo de múltiples pasos.
- model: gpt-5.6-sol
- model_reasoning_effort: extra-high
- Instrucciones: maneja el trabajo complejo con cuidado, valida suposiciones, proporciona una verificación sólida.
2. Actualiza la sección [agents] de mi config.toml con esta política de enrutamiento:
"Decide automáticamente si la delegación es útil. Elige fast_scan para trabajo ligero de solo lectura, routine_worker para implementación normal y deep_worker para razonamiento complejo o de alto riesgo. No le pidas al usuario que elija un modelo a menos que el modelo requerido no esté disponible. Mantén las tareas simples en el agente principal."
3. Asegúrate de que max_threads = 6 y max_depth = 1 estén configurados en [agents].
4. Muéstrame el config.toml final y los tres archivos de agente para que pueda revisarlos antes de que guardes."
Codex crea cada archivo. Tú revisas. Tú guardas. Listo.
━━━━━━━━━━━━━━━━━━
Cómo se ven tus 3 archivos de agente
Codex los genera automáticamente a partir del prompt anterior.
Así es como deberían verse — para que sepas qué revisar:
# ~/.codex/agents/fast-scan.toml name = "fast_scan" description = "Búsquedas rápidas, exploración de código base, análisis ligero de solo lectura." model = "gpt-5.6-luna" model_reasoning_effort = "extra-high" sandbox_mode = "read-only" developer_instructions = """ Recopila evidencia rápidamente y devuelve un resumen conciso. No edites archivos. """
# ~/.codex/agents/routine-worker.toml name = "routine_worker" description = "Codificación rutinaria, pruebas, documentación y correcciones acotadas." model = "gpt-5.6-sol" model_reasoning_effort = "medium" developer_instructions = """ Implementa la tarea acotada asignada y verifica el resultado. """
# ~/.codex/agents/deep-worker.toml name = "deep_worker" description = "Depuración difícil, arquitectura, seguridad y trabajo ambiguo de múltiples pasos." model = "gpt-5.6-sol" model_reasoning_effort = "extra-high" developer_instructions = """ Maneja el trabajo complejo con cuidado, valida suposiciones y proporciona una verificación sólida. """
# ~/.codex/config.toml — sección [agents] [agents] max_threads = 6 max_depth = 1 routing_policy = """ Decide automáticamente si la delegación es útil. Elige fast_scan para trabajo ligero de solo lectura, routine_worker para implementación normal y deep_worker para razonamiento complejo o de alto riesgo. No le pidas al usuario que elija un modelo. Mantén las tareas simples en el agente principal. """
max_depth = 1 es crítico.
Evita que los subagentes generen sus propios subagentes.
Un nivel de delegación. Sin generación recursiva. Sin consumos descontrolados.
━━━━━━━━━━━━━━━━━━
Cómo escribir prompts que no quemen límites
El modelo seguirá adelante.
Y adelante.
Y adelante.
5.6 puede completar tareas de principio a fin sin detenerse. Eso es mayormente bueno.
Pero sin puntos de parada claros, se excede. Reescribe cosas que no necesitaba. Quema el 15% de tu ventana en una tarea que necesitaba el 3%.
Agrega puntos de parada a cada prompt:
Para tareas de planificación:
Construye esta nueva función.
Comienza escribiendo solo un plan. Cuando el plan esté listo, detente y pide mi opinión. No escribas ningún código todavía.
Para tareas de implementación:
El plan se ve genial. Constrúyelo ahora.
Usa el uso de computadora para probar mientras avanzas. Continúa hasta que las pruebas pasen y estés satisfecho. Abre un PR cuando termines. Detente después de que el PR esté abierto. Yo me encargo de las revisiones desde ahí.
Para depuración:
Corrige el error en auth.ts.
Lee el archivo primero. Escribe tu diagnóstico. Detente y muéstrame el diagnóstico antes de hacer cambios. Confirmaré antes de que continúes.
El patrón: dile exactamente cuándo detenerse.
No vago. No "usa tu criterio".
Puntos de control explícitos. Devoluciones claras a ti.
━━━━━━━━━━━━━━━━━━
Guía de niveles de esfuerzo
No todas las tareas necesitan la misma potencia.
→ Bajo / Medio — tareas rutinarias, correcciones simples, documentación, pruebas
→ Alto — funciones, cambios en múltiples archivos, depuración
→ Extra Alto — decisiones de arquitectura, revisiones de seguridad, trabajo complejo de múltiples pasos
→ Máximo — guárdalo para problemas realmente difíciles en los que ya hayas fallado
→ Ultra — evítalo. Siempre.
El valor predeterminado para la mayoría de los desarrolladores: Alto.
Es bastante capaz. Los subagentes en Alto son "no tan malos" en consumo.
La recomendación diaria del equipo de Codex: Sol Medium.
Sol Medium supera a Claude Fable 5 en benchmarks de agentes. A una fracción del precio.
No necesitas extra alto para todo.
Hoja de referencia de niveles de esfuerzo:
Corrección simple → Sol Bajo o Medio Nueva función → Sol Alto Problema difícil → Sol Extra Alto Escaneo rápido → Luna Extra Alto Nunca → Ultra
━━━━━━━━━━━━━━━━━━
Números de benchmark que lo explican todo
Sol Extra High vs Max: 58 vs 59 puntos. Un punto. Tres veces más barato. Usa Extra High.
Sol Medium vs Fable 5: Sol Medium gana por 11.4 puntos en flujos de trabajo de agentes. A 4 veces menor costo.
Luna Extra High vs Terra: Mismo rendimiento. 1.3 veces más rápida. 2.5 veces más barata. Usa Luna.
Ultra vs Extra High: 3.1 puntos extra. 3 veces más caro. OpenAI ni siquiera publicó los resultados de codificación de Ultra. Usa Extra High.
El patrón: un nivel menos = misma calidad, drásticamente más barato.
La mayoría de los desarrolladores están ejecutando uno o dos niveles demasiado altos en todo.
Esa es la razón completa por la que los límites desaparecen en 4 horas.
Baja un nivel. Mantén el mismo resultado. Duplica tu ventana activa.
━━━━━━━━━━━━━━━━━━
Antes y después
Antes de esta configuración:
→ Sol Ultra ejecutándolo todo
→ Subagentes clonando el modelo padre y el esfuerzo
→ 3 subagentes = 3 instancias de Sol Ultra quemándose simultáneamente
→ Ventana de 5 horas perdida en 90 minutos
→ Sin contexto sobre qué la quemó
Después de esta configuración:
→ Sol Extra High como orquestador
→ Sol Medium para implementación
→ Luna Extra High para escaneo
→ max_depth = 1 deteniendo la generación recursiva
→ AGENTS.md diciéndole a Sol que no genere agentes automáticamente
→ Puntos de parada en cada prompt controlando hasta dónde llega el modelo
Resultado: 48 horas de trabajo continuo. Cero límites alcanzados.
Mismo plan de $200. Experiencia completamente diferente.
━━━━━━━━━━━━━━━━━━
Lista de verificación completa de configuración
Haz estas cinco cosas ahora mismo:
→ 1. Abre AGENTS.md. Agrega: "Solo genera subagentes cuando te lo pida explícitamente."
→ 2. Pega el prompt de config.toml en Codex. Deja que cree los 3 archivos de agente.
→ 3. Configura max_depth = 1 y max_threads = 6 en tu config.toml.
→ 4. Cambia tu esfuerzo predeterminado a Sol High. No Ultra. No Extra High para todo.
→ 5. Agrega puntos de parada explícitos a cada prompt de larga duración.
Toma 10 minutos.
Te ahorra horas de límites quemados cada semana.
━━━━━━━━━━━━━━━━━━
Una cosa más
Pasa tiempo en ~/.codex y ~/.claude.
Estos directorios son donde reside el poder real.
Agentes personalizados. Políticas de enrutamiento. Preferencias de modelo. Instrucciones predeterminadas.
La mayoría de las personas nunca los abren.
¿Los desarrolladores que están obteniendo el máximo provecho de Codex ahora mismo?
Han hecho cambios que parecían tontos y se sorprendieron de cuánto importaban.
Experimenta. Ajusta. Monitorea tu uso a través del panel de Codex.
Pequeños cambios de configuración se acumulan en tasas de consumo de tokens drásticamente diferentes.
Este es el momento más divertido para construir con IA.
Las herramientas recompensan a las personas que realmente se sumergen.
━━━━━━━━━━━━━━━━━━
Si esto salvó tus límites:
→ Republica para que otros usuarios de Codex Pro lo vean antes de que quemen otra ventana
→ Sigue a @sairahul1 para más análisis de sistemas de IA
→ Marca esto como favorito — el prompt de configuración funciona, pégalo esta noche
Suscríbete a theaibuilders.co para más artículos interesantes como este
Escribo sobre IA, construcción de productos y sistemas que funcionan sin ti.
