Uso bilhões de tokens do codex. Aqui está minha configuração e o que aprendi.
Muitas pessoas subestimam drasticamente o que o codex pode fazer. Até mesmo alguns dos meus colegas ainda subutilizam o codex, mas ficam ansiosos para experimentar quando você mostra alguns casos de uso ambiciosos. Por isso, quis escrever algo e compartilhar de forma mais ampla, na esperança de inspirar mais pessoas.
Neste artigo, compartilharei minha configuração simples e discutirei alguns casos de uso matadores, onde rotineiramente aloco centenas de milhões de tokens. No total, gastei US$ 10.000 em custos de API este mês, o que me torna um dos usuários mais prolíficos da minha equipe. Totalmente válido.
Por fim, reflito sobre como acredito que as organizações podem se tornar significativamente mais eficientes em um futuro próximo.
Tomada de Notas Contínua
Minha configuração pessoal é incrivelmente simples: git worktrees, várias janelas de shell e uma instância do VSCode por worktree para poder navegar pelas alterações de código. Você basicamente obtém essa configuração pronta no novo aplicativo codex. Não caia na armadilha de ferramentas excessivamente sofisticadas.
O grande diferencial foi fazer o codex documentar e melhorar continuamente seus próprios fluxos de trabalho. Isso é algo que eu mesmo montei para minha configuração pessoal. O codex fica consistentemente melhor e mais rápido nas tarefas que uso, simplesmente porque tenho o hábito de pedir para ele fazer anotações e melhorar. Enquanto trabalha, o codex salva anotações e ajudantes na minha pasta pessoal dentro do nosso monorepo. Após algumas interações com uma nova parte do código, esses ajudantes tendem a se estabilizar. Na verdade, nunca li essas anotações; sua utilidade para mim é puramente o efeito no desempenho do codex.
Com minha configuração agora capaz de acumular conhecimento entre sessões, fiquei confortável em escalar as tarefas para as quais o usava. Vamos mergulhar em duas tarefas nas quais gastei recentemente centenas de milhões de tokens.
Pesquisa em Escala
A pesquisa avança rápido. Experimentos são caros e fáceis de configurar incorretamente, então manter-se atualizado sobre as descobertas e armadilhas mais recentes é crucial. Felizmente, o codex é um mecanismo de busca incrível.
Quando quero implementar rapidamente um experimento pontual em uma parte do código que não conheço, peço ao codex para fazer uma due diligence extensa. O codex explora canais relevantes do Slack, lê discussões relacionadas, busca branches experimentais dessas discussões e seleciona mudanças úteis para meu experimento. Tudo isso é resumido em um conjunto extenso de anotações, com links de volta para onde cada informação foi encontrada. Usando essas anotações, o codex monta o experimento e toma várias decisões de hiperparâmetros que eu não poderia tomar sem muito mais esforço.
Pedir uma segunda opinião aumenta muito minha confiança no que estou entregando. Em situações onde erros são custosos, você quer um agente de busca incrivelmente diligente e com alta recuperação. O codex atende a essa necessidade para mim regularmente.
Agentes de codificação também são ótimos para análise de dados e tornaram muito fácil obter insights rapidamente a partir dos dados. Atualmente, o verdadeiro gargalo é descobrir o que analisar.
Recentemente, escalei agressivamente alguns de nossos esforços de comportamento de modelo usando o codex. Percebi que nosso Slack interno está repleto de discussões, relatórios e dados relacionados a diferentes tipos de comportamento de modelo que talvez queiramos testar de forma mais rigorosa. Usei o codex para localizar e rastrear extensivamente os canais apropriados e gerar descrições de hipóteses testáveis. Além de ler o Slack, ele analisou capturas de tela que as pessoas compartilharam, puxou documentos relacionados ao comportamento do modelo e navegou por planilhas. Ao longo de várias horas, isso resultou em mais de 700 novas hipóteses que estão atualmente melhorando nossa compreensão do comportamento do modelo e das preferências dos usuários.
A maior parte deste trabalho foi feita com o GPT-5.2, mas estou testando o novo modelo GPT-5.3-codex há alguns dias. Meus tokens usados por dia estão aumentando, o que acho que se correlaciona vagamente com minha produtividade.
Acho o GPT-5.3-codex particularmente bom em gerenciar múltiplos subagentes simultaneamente. Além disso, as recentes acelerações na pilha do codex tornam toda a experiência com subagentes muito mais ágil.
Meu fluxo de trabalho está atualmente mudando para falar apenas com um agente, que por sua vez orquestra um batalhão de agentes para fazer pesquisa no Slack, pesquisa de código, escrita de código e ciência de dados. Isso reduz drasticamente a quantidade de troca de contexto que preciso fazer para paralelizar meu trabalho através de agentes. No entanto, quando preciso fazer uma tarefa crucial, ainda opto por falar diretamente com aquele subagente específico.
Implicações para a Sociedade
Esses fluxos de trabalho revelam algo fundamental sobre como as organizações podem operar. Em ambos os meus casos de uso, alcancei transferência abrangente de conhecimento entre organizações sem coordenação manual. Sem reuniões, sem e-mails, sem perguntar por aí. Simplesmente apontei o codex para o problema e ele agregou conhecimento de dezenas de pessoas, que nem sabiam que estavam contribuindo para minha causa.
Não consigo deixar de pensar como isso impactará a sociedade. Tradicionalmente, as organizações pagam um imposto de headcount: adicione mais pessoas e a produção total aumenta, mas cada pessoa adicional contribui menos porque a sobrecarga de coordenação cresce. Este é um problema enorme. Organizações modernas usam ferramentas como canais de comunicação não estruturados (Slack, Teams), bases de código compartilhadas e documentação centralizada para mitigar isso, mas ainda há um atrito imenso. Encontrar o contexto certo para qualquer decisão ainda requer esforço humano significativo.
Com a tecnologia disponível hoje, podemos agora percorrer todo o panorama de informações de uma organização e sintetizar o contexto relevante sob demanda. Podemos realmente reduzir as ineficiências das quais todas as organizações do planeta sofrem.
Acredito que nossas instituições modernas podem se tornar muito mais eficientes, e parece que talvez só precisemos perguntar.
