Tu plan Codex 5x y 20x Pro se está consumiendo demasiado rápido. La razón es una falla de enrutamiento en cómo Codex maneja los subagentes.
Cuando configuras GPT-5.6 Sol en "Ultra" en el selector de modelos, cada subagente que Codex genera también ejecuta Sol Ultra.
La herramienta spawn_agent no te permite elegir un modelo o nivel de razonamiento diferente para el subagente. Copia el del padre. Tres subagentes en una tarea significan tres instancias de Sol Ultra ejecutándose al mismo tiempo, cada una quemando tu cuota a máxima velocidad.
https://x.com/evi77ain/status/2075445272013095033
Puedes reducir el uso de tokens en aproximadamente un 50 % usando esta combinación más inteligente de modelos:
- GPT 5.6 Sol Extra High como cerebro principal
- GPT 5.6 Sol Medium para los subagentes más inteligentes
- GPT 5.6 Terra High para los agentes ligeros y rápidos
¿Por qué estos tres modelos? Llegaré a eso después de que arreglemos el archivo de configuración.
La idea es simple. Necesitas tener un modelo "Orquestador" que haga el trabajo de pensar: planificar, diseñar la arquitectura, decidir qué delegar. Luego tienes modelos "Ejecutores" que implementan el plan. Los ejecutores son más baratos, más rápidos y lo suficientemente inteligentes como para seguir instrucciones sin necesidad de razonamiento de máxima potencia.
Codex ya soporta esto a través de un archivo llamado config.toml y definiciones de agentes personalizados. Defines roles de agente en pequeños archivos de configuración, estableces qué modelo usa cada rol y agregas una política de enrutamiento que le dice a Codex cuándo usar cada agente. Después de eso, Codex maneja todo automáticamente. Envías las tareas de la misma manera que siempre.
Pídele a Codex que cree el "Modo Automático" por ti
Abre Codex y pega este prompt. Leerá tu configuración actual, creará los archivos de agente y actualizará la política de enrutamiento.
1Lee mi archivo actual ~/.codex/config.toml y la documentación en2https://developers.openai.com/codex/subagents para las definiciones de agentes personalizados.34Luego haz lo siguiente:561. Crea tres archivos TOML de agente en ~/.codex/agents/:78 fast_scan — para búsquedas rápidas, exploración del código base, lecturas de archivos9 y análisis ligeros.10 - model: gpt-5.6-terra11 - model_reasoning_effort: high12 - sandbox_mode: read-only13 - Instrucciones: recopila evidencia rápidamente, devuelve un resumen conciso,14 no edites archivos.1516 routine_worker — para codificación rutinaria, pruebas, documentación17 y correcciones acotadas.18 - model: gpt-5.6-sol19 - model_reasoning_effort: medium20 - Instrucciones: implementa la tarea asignada y verifica el resultado.2122 deep_worker — para depuración difícil, arquitectura, seguridad23 y trabajo ambiguo de varios pasos.24 - model: gpt-5.6-sol25 - model_reasoning_effort: high26 - Instrucciones: maneja el trabajo complejo con cuidado, valida suposiciones,27 proporciona una verificación sólida.28292. Actualiza la sección [agents] de mi config.toml con esta política de enrutamiento:3031 "Decide automáticamente si la delegación es útil.32 Elige fast_scan para trabajo ligero de solo lectura, routine_worker33 para implementación normal y deep_worker para razonamiento complejo o34 de alto riesgo.35 No le preguntes al usuario que elija un modelo a menos que el modelo requerido36 no esté disponible.37 Mantén las tareas simples en el agente principal."38393. Asegúrate de que max_threads = 6 y max_depth = 1 estén configurados en [agents].40414. Muéstrame el config.toml final y los tres archivos de agente para que pueda42 revisarlos antes de que los guardes.
Después de que Codex cree los archivos, reinicia Codex o abre una nueva tarea. Los agentes se cargan al iniciar.
¿Qué deberías ver después del arreglo?
Antes de este arreglo, cada subagente ejecutaba el mismo modelo y nivel de razonamiento que tu agente principal.
Después de este arreglo, Codex lee tus archivos de agente (de forma autónoma) y elige un modelo más barato cuando la tarea es simple. Una búsqueda de archivos se enruta a Terra High en lugar de Sol Ultra. Una corrección de errores rutinaria se ejecuta en Sol Medium. Solo lo difícil recibe Sol High. Tu agente principal permanece en lo que hayas configurado en el selector de modelos al iniciar la sesión.
Todavía puedes anularlo. Di "usa solo Sol" o "no uses subagentes" en tu prompt y el enrutamiento se hará a un lado.
¿Cómo se ven los archivos de agente?
Codex generará archivos que se ven así. Cada uno reside en ~/.codex/agents/.
1# ~/.codex/agents/fast-scan.toml2name = "fast_scan"3description = "Usar para búsquedas rápidas, exploración del código base y análisis ligero de solo lectura."4model = "gpt-5.6-terra"5model_reasoning_effort = "high"6sandbox_mode = "read-only"7developer_instructions = """8Recopila evidencia rápidamente y devuelve un resumen conciso.9No edites archivos.10"""
1# ~/.codex/agents/routine-worker.toml2name = "routine_worker"3description = "Usar para codificación rutinaria, pruebas, documentación y correcciones acotadas."4model = "gpt-5.6-sol"5model_reasoning_effort = "medium"6developer_instructions = """7Implementa la tarea acotada asignada y verifica el resultado.8"""
1# ~/.codex/agents/deep-worker.toml2name = "deep_worker"3description = "Usar para depuración difícil, arquitectura, seguridad y trabajo ambiguo de varios pasos."4model = "gpt-5.6-sol"5model_reasoning_effort = "high"6developer_instructions = """7Maneja el trabajo complejo con cuidado, valida suposiciones y proporciona una verificación sólida.8"""
La política de enrutamiento en tu config.toml le indica al orquestador cuándo usar cada uno y cuándo mantener el trabajo en el agente principal.
¿Por qué estas combinaciones de modelo y esfuerzo?
GPT 5.6 tiene tres modelos (Sol, Terra y Luna) y seis niveles de esfuerzo de razonamiento (Low, Medium, High, Extra High, Max, Ultra). Eso son 18 combinaciones posibles. La mayoría son incorrectas para el trabajo de subagentes de Codex. El enrutamiento anterior usa solo cuatro variantes de modelo, seleccionadas de dos informes de evaluación comparativa independientes publicados esta semana.
Artificial Analysis probó cada modelo de GPT 5.6 en cada nivel de razonamiento en 9 pruebas diferentes que cubren razonamiento, conocimiento y codificación. Publican una puntuación combinada por modelo.
Sol con razonamiento máximo obtiene 59 de 100 puntos. Sol con extra high obtiene 58. Esa es una diferencia de un punto. La diferencia de costo es aproximadamente 3 veces: max quema alrededor de tres veces los tokens para obtener ese punto adicional.
Para el orquestador principal que planifica tus tareas y coordina subagentes, extra high te da la misma calidad de decisiones a un tercio del costo de tokens. Max y Ultra son excesivos para el 99 % de las tareas.
Mantente alejado de Ultra. Ultra es más caro porque genera cuatro sub-subagentes paralelos dentro de un solo agente. En Terminal-Bench (una prueba para flujos de trabajo de codificación en línea de comandos), Sol Ultra obtiene 91.9 % frente a Sol con 88.8 %. Eso es 3.1 puntos adicionales a aproximadamente 3 veces el costo. OpenAI ni siquiera publicó resultados de Ultra para sus dos principales pruebas de codificación. Si usas Ultra en un subagente que ya es un subagente, obtienes generación recursiva: subagentes que generan más subagentes. La documentación de Codex advierte específicamente en contra de esto.
¿Por qué Sol Medium para trabajo rutinario?
Sol con razonamiento medium sigue superando a Claude Fable 5 por 11.4 puntos en Agents' Last Exam, una prueba de flujos de trabajo de larga duración en 55 campos profesionales. Lo hace a aproximadamente una cuarta parte del costo.
Medium es lo suficientemente fuerte como para seguir un plan, escribir una función, corregir un error o ejecutar pruebas. No necesita tomar decisiones arquitectónicas por sí solo. El equipo de Codex también recomienda usar Sol medium como el modelo de uso diario.
https://x.com/thsottiaux/status/2075581430055493909
¿Por qué Terra High para trabajo ligero, y no Luna?
Esta es la que sorprende a la gente. Luna es más barato por token ($1/$6 por millón) en comparación con Terra ($2.50/$15). Pero el precio por token no es la imagen completa.
DeepSWE v1.1 prueba agentes de codificación en 113 tareas de ingeniería reales en 91 proyectos de código abierto. Mide qué porcentaje de tareas completa cada modelo, cuánto cuesta cada tarea en total y cuántos pasos requiere.
Resultados del 9 de julio de 2026:
- Sol en max: completa el 73 % de las tareas, cuesta $8.39 por tarea, requiere 61 pasos.
- Terra en max: 70 %, $4.95, 76 pasos.
- Luna en max: 67 %, $3.03, 102 pasos.
- Claude Fable 5 en max: 70 %, $21.63, 88 pasos.
- Claude Opus 4.8 en max: 59 %, $13.22, 120 pasos.
Los $3.03 por tarea de Luna se ven bien hasta que ves el conteo de pasos. 102 pasos frente a los 76 de Terra. Cada paso es una llamada a una herramienta con sus propios tokens de entrada y salida. Más pasos significan más tokens totales quemados, más tiempo y más oportunidades de que el modelo se quede en un bucle en un error y lo reintente.
Luna tampoco puede manejar bases de código grandes. En Nerova, una prueba que mide qué tan bien un modelo recuerda información de entradas largas, Luna obtiene 41.3 %. Terra obtiene 89.6 %. Sol obtiene 91.5 %. Cuando un subagente necesita buscar en miles de archivos y mantener ese contexto, Luna pierde cosas que Terra captura.
En el Artificial Analysis Coding Agent Index (que combina DeepSWE, Terminal-Bench y SWE-Atlas-QnA en una sola puntuación de codificación), Sol obtiene 80, Terra obtiene 77.4, Luna obtiene 74.6 y Claude Fable 5 obtiene 77.2. Terra está 2.6 puntos detrás de Sol pero cuesta la mitad. Para un subagente que lee archivos y recopila evidencia, esos 2.6 puntos no importan. Para un subagente que hace depuración difícil con múltiples archivos, sí importan — por eso ese trabajo va a Sol High.
Terra en max también iguala la puntuación DeepSWE de Claude Fable 5 (ambos al 70 %) a menos de una cuarta parte del costo de Fable ($4.95 vs $21.63). Estás obteniendo un rendimiento de codificación a nivel de Fable en tu subagente ligero por $5.
En resumen
Arregla tu archivo config.toml. Configura tu agente raíz en Sol Extra High. Configura el trabajo rutinario de subagentes en Sol Medium. Configura el trabajo ligero de solo lectura en Terra High. Omite Luna, omite Low, omite Ultra en subagentes. Configúralo una vez. Cada sesión de Codex posterior se enrutará automáticamente y tu plan Pro durará como debería.
