Tu plan Codex 5x y 20x Pro se está consumiendo demasiado rápido. La razón es un fallo de enrutamiento en la forma en que 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 hijo. Copia el padre. Tres subagentes en una tarea significan tres instancias de Sol Ultra ejecutándose al mismo tiempo, cada una consumiendo tu cuota a máxima velocidad.
https://x.com/evi77ain/status/2075445272013095033
Puedes reducir ese uso de tokens en aproximadamente un 50% utilizando 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 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 pensamiento: planificación, 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 necesitar razonamiento de máxima potencia.
Codex ya soporta esto a través de un archivo llamado config.toml y definiciones de agentes personalizadas. 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 qué agente. Después de eso, Codex maneja todo automáticamente. Envías tareas de la misma manera que siempre lo has hecho.
Pídele a Codex que cree el "Modo Automático" para ti
Abre Codex y pega este prompt. Leerá tu configuración existente, creará los archivos de agente y actualizará la política de enrutamiento.
1Lee mi archivo ~/.codex/config.toml actual y la documentación en2https://developers.openai.com/codex/subagents para definiciones de agentes personalizadas.34Luego haz lo siguiente:561. Crea tres archivos TOML de agente en ~/.codex/agents/:78 fast_scan — para búsquedas rápidas, exploración del código, lecturas de archivos,9 y análisis ligeros.10 - model: gpt-5.6-terra11 - model_reasoning_effort: high12 - sandbox_mode: read-only13 - Instructions: recopila evidencia rápidamente, devuelve un resumen conciso,14 no edites archivos.1516 routine_worker — para codificación rutinaria, pruebas, documentación,17 y correcciones acotadas.18 - model: gpt-5.6-sol19 - model_reasoning_effort: medium20 - Instructions: implementa la tarea asignada y verifica el resultado.2122 deep_worker — para depuración difícil, arquitectura, seguridad,23 y trabajo multi-paso ambiguo.24 - model: gpt-5.6-sol25 - model_reasoning_effort: high26 - Instructions: 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 pidas 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 inicio.
¿Qué deberías ver después de la corrección?
Antes de esta corrección, cada subagente ejecutaba el mismo modelo y nivel de razonamiento que tu agente principal.
Después de esta corrección, 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 obtiene Sol High. Tu agente principal se mantiene 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 aparta.
¿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 = "Úsalo para búsquedas rápidas, exploración del código 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 = "Úsalo 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 = "Úsalo para depuración difícil, arquitectura, seguridad y trabajo multi-paso ambiguo."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 dice 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, Luna) y seis niveles de esfuerzo de razonamiento (Low, Medium, High, Extra High, Max, Ultra). Eso son 18 combinaciones posibles. La mayoría de ellas son incorrectas para el trabajo de subagentes de Codex. El enrutamiento anterior utiliza solo cuatro variantes de modelo, seleccionadas a partir de dos informes de evaluación comparativa independientes publicados esta semana.
Artificial Analysis probó cada modelo 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 al máximo razonamiento obtiene 59 de 100. Sol en extra alto obtiene 58. Esa es una diferencia de un punto. La diferencia de costo es aproximadamente 3x: máximo consume alrededor de tres veces los tokens para obtener ese punto extra.
Para el orquestador raíz que planifica tus tareas y coordina subagentes, extra alto te da la misma calidad de decisiones a un tercio del costo de tokens. Máximo 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 son 3.1 puntos extra a aproximadamente 3 veces el costo. OpenAI ni siquiera publicó resultados de Ultra para sus dos principales puntos de referencia de codificación. Si usas Ultra en un subagente que ya es un subagente, obtienes generación recursiva — subagentes generando más subagentes. La documentación de Codex advierte específicamente contra esto.
¿Por qué Sol Medium para el trabajo rutinario?
Sol en razonamiento medio aún supera 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 funcionalidad, corregir un error o ejecutar pruebas. No necesita tomar decisiones arquitectónicas por sí mismo. 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 del token no es la imagen completa.
DeepSWE v1.1 prueba agentes de codificación en 113 tareas reales de ingeniería en 91 proyectos de código abierto. Mide qué porcentaje de tareas termina cada modelo, cuánto cuesta cada tarea en total y cuántos pasos requiere.
Resultados del 9 de julio de 2026:
- Sol al máximo: termina el 73% de las tareas, cuesta $8.39 por tarea, toma 61 pasos.
- Terra al máximo: 70%, $4.95, 76 pasos.
- Luna al máximo: 67%, $3.03, 102 pasos.
- Claude Fable 5 al máximo: 70%, $21.63, 88 pasos.
- Claude Opus 4.8 al máximo: 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 herramienta con sus propios tokens de entrada y salida. Más pasos significa más tokens totales consumidos, más tiempo y más posibilidades de que el modelo se repita en un error y 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 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 realiza una depuración difícil de múltiples archivos, sí importan — por eso ese trabajo va a Sol High en su lugar.
Terra al máximo 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 subagente en Sol Medium. Configura el trabajo ligero de solo lectura en Terra High. Omite Luna, omite Low, omite Ultra en los subagentes. Configúralo una vez. Cada sesión de Codex después de eso se enruta automáticamente y tu plan Pro dura como debería.
