Codex für Mondmissionen und alles dazwischen
Manche Missionen erfordern tiefgehende Planung und Koordination. Andere sind ein direkter Schuss. Dasselbe gilt für die Arbeit, die du Codex anvertraust, weshalb GPT-5.6 dir drei Modelle zur Auswahl gibt. Wenn du nicht sicher bist, wo du anfangen sollst, wähle Sol Medium.
Wo jedes Modell seine Stärken zeigt
Sol: für komplexe, offene Aufgaben — Sol ist für mehrdeutige, schwierige oder wertvolle Aufgaben konzipiert, bei denen tiefere Untersuchung und Verfeinerung das Ergebnis verändern können. Es verbindet Ideen über ein Problem hinweg, erfasst Details, die leicht übersehen werden, und kann nützliche Erkenntnisse hervorbringen, nach denen du vielleicht nicht gefragt hättest. Diese Tiefe kann Sol auch bei schwierigen Debugging-Aufgaben effizienter machen, wo es sich mehr lohnt, ein paar falsche Abzweigungen zu vermeiden, als einen schnelleren ersten Versuch zu haben.
Terra: der pragmatische Allrounder — Terra eignet sich gut für alltägliche Implementierung, Tests und mehrschrittige Arbeiten, die dennoch gutes Urteilsvermögen erfordern. Es geht mit Mehrdeutigkeit um, findet relevanten Kontext und koordiniert Unteragenten effektiv, während es tendenziell zu einem soliden Ergebnis gelangt, ohne auf jedes letzte Detail oder jede Einsicht zu drängen. Terra High ist besonders nützlich, wenn der Umfang bekannt ist, die Implementierung aber noch eine nennenswerte Komplexität aufweist.
Luna: für klare, klar umrissene Aufgaben — Luna ist eine schnelle Option und daher ideal für Workflows mit hohem Volumen wie Extraktion, Klassifizierung, Transformation und strukturierte Zusammenfassungen. Es kann auch umfangreichere Implementierungsarbeiten übernehmen, wenn der Umfang und das erwartete Ergebnis klar sind. Mit xHigh Reasoning kann Luna bei begrenzten Implementierungsarbeiten qualitativ hochwertige Ergebnisse liefern.
Was Ultra bedeutet
Die meisten Aufgaben werden Ultra nicht benötigen. Für die schwierigste Arbeit bringt Sol Ultra das höchste in Codex verfügbare Intelligenzniveau, das maximales Reasoning mit proaktiver Multi-Agenten-Zusammenarbeit kombiniert. Agenten können tiefgehend recherchieren und gleichzeitig in mehreren Bereichen Fortschritte erzielen. Es verwendet deutlich mehr Tokens, also hebe es dir für Aufgaben auf, bei denen diese zusätzliche Tiefe und Koordination den Aufwand rechtfertigen.
Planung ist ein großartiger Anwendungsfall. Mit den richtigen Plugins kannst du Codex auf einen Slack-Thread, relevante GitHub-Issues und PRs, Dokumente, Code und Git-Verlauf verweisen. Bitte Ultra, diesen Kontext zusammenzutragen, die Mehrdeutigkeit zu durcharbeiten und einen klaren Implementierungsplan zu erstellen.
Sobald der Umfang definiert ist, wird die Implementierung viel einfacher an Sol Medium oder High, Terra High oder Luna xHigh zu übergeben.
Große Pläne benötigen nicht immer Ultra. Sol Medium kann ebenfalls starke Ergebnisse liefern, besonders wenn du es bittest, Unteragenten proaktiv einzusetzen und die Arbeit auf klare Bereiche aufzuteilen. Hebe Ultra für die Fälle auf, in denen die Tragweite, die Mehrdeutigkeit oder die Menge an Kontext die zusätzliche Tiefe rechtfertigen.
Standardmäßig erstellt Codex Unteragenten, die den bisherigen Gesprächsverlauf übernehmen und dieselbe Modellfamilie und Reasoning-Stufe wie der übergeordnete Agent verwenden. Diese Standardeinstellungen sind bewusst gewählt, und das Modell weiß, wie es sie effektiv einsetzen kann. Später in dieser Woche wirst du diese Wahlmöglichkeiten durch Skills oder Prompts anpassen können, indem du leichtere Einstellungen für die Kontextsammlung verwendest, während du stärkere Standardeinstellungen für die Implementierung beibehältst.
Gib Codex eine klare Ziellinie
Die besten Prompts geben Codex eine Richtung, keine Reiseroute. Sol kann Kontext aus den verfügbaren Tools entdecken, vielversprechende Ansätze verfolgen und Mehrdeutigkeiten durcharbeiten, ohne dass jeder Schritt vorgegeben wird. Was es von dir braucht, ist ein klares Ergebnis, ein paar gute Startpunkte und eine Möglichkeit zu erkennen, wann die Arbeit erledigt ist. Wenn das Problem mehrere Bereiche umfasst, bitte es, frühzeitig Unteragenten einzubeziehen. Ein nützlicher Prompt deckt vier Dinge ab:
- Ziel: das gewünschte Ergebnis und für wen es funktionieren muss.
- Kontext: der Code, die Dokumente, Slack-Threads, Issues oder andere Ausgangspunkte, die Codex helfen können, das Problem zu verstehen.
- Ausgabe und Grenzen: was Codex produzieren soll, was unberührt bleiben soll und wo es Genehmigung benötigt.
- Ziellinie: die Prüfungen, Belege oder Entscheidungen, die das Ergebnis bereit für die Übergabe machen.
Beispiel für einen Sol-Ultra-Planungs-Prompt
„Starte von
diesem
Slack-Thread. Finde die zugehörigen Issues, PRs, Dokumente, Code und Git-Verlauf und erstelle dann einen klaren Implementierungsplan aus dem, was du gelernt hast. Benenne den Umfang, den Ansatz, Risiken, offene Entscheidungen und wie wir wissen, dass es funktioniert. Präsentiere den Plan als eine saubere, in sich geschlossene HTML-Seite, die wir gemeinsam durchgehen können. Noch nicht implementieren.
Passe den Aufwand an die Arbeit an
Sol Medium ist ein nützlicher Ausgangspunkt, um den Aufwand abzustimmen. Eine gute Faustregel ist, das Reasoning zu erhöhen, je kleiner die Modelle werden, sodass eine Aufgabe, die für Sol Medium geeignet ist, Terra High oder Luna xHigh erfordern kann.
Wenn du das Modell genauer an die Aufgabe anpassen möchtest, hier ein paar gute Alternativen:
- Sol Ultra für risikoreiche Arbeit, verstreuten Kontext oder Probleme, die noch im Entstehen sind.
- Terra High für gut abgegrenzte Implementierung, die noch nennenswerte Komplexität aufweist.
- Luna xHigh für gut abgegrenzte Implementierung, bei der Geschwindigkeit zählt.
Sobald du weißt, was gebaut werden muss und warum, wird alles andere einfacher. Du kannst klare Arbeitspakete übergeben, das richtige Modell für jedes auswählen und weniger Zeit mit Kurskorrekturen unterwegs verbringen.
