Ton abonnement Codex 5x et 20x Pro se consume trop vite. La raison ? Un défaut de routage dans la façon dont Codex gère les sous-agents.
Quand tu mets GPT-5.6 Sol en mode « Ultra » dans le sélecteur de modèle, chaque sous-agent que Codex lance tourne aussi avec Sol Ultra.
L’outil spawn_agent ne te permet pas de choisir un modèle ou un niveau de raisonnement différent pour le sous-agent. Il copie celui du parent. Trois sous-agents sur une même tâche, c’est trois instances Sol Ultra qui fonctionnent en parallèle, chacune brûlant ton quota à pleine vitesse.
https://x.com/evi77ain/status/2075445272013095033
Tu peux réduire cette consommation de tokens d’environ 50 % en adoptant ce mix de modèles plus intelligent :
- GPT 5.6 Sol Extra High comme cerveau principal
- GPT 5.6 Sol Medium pour les sous-agents les plus malins
- GPT 5.6 Terra High pour les agents légers et rapides
Pourquoi ces trois modèles ? J’y viens après avoir corrigé le fichier de configuration.
L’idée est simple. Il faut avoir un modèle « Orchestrateur » qui réfléchit : planification, architecture, décision de ce qu’il faut déléguer. Puis des modèles « Exécuteurs » qui mettent en œuvre le plan. Les exécuteurs sont moins chers, plus rapides, et assez intelligents pour suivre des instructions sans avoir besoin d’un raisonnement de pleine puissance.
Codex supporte déjà ça via un fichier appelé config.toml et des définitions d’agents personnalisées. Tu définis des rôles d’agents dans de petits fichiers de configuration, tu attribues le modèle que chaque rôle utilise, et tu ajoutes une politique de routage qui indique à Codex quand utiliser quel agent. Ensuite, Codex s’occupe de tout automatiquement. Tu soumets les tâches de la même manière qu’avant.
Demande à Codex de construire le « Mode Auto » pour toi
Ouvre Codex et colle cette invite. Il lira ta configuration existante, créera les fichiers d’agents et mettra à jour la politique de routage.
1Lis mon fichier ~/.codex/config.toml actuel et la documentation sur2https://developers.openai.com/codex/subagents pour les définitions d’agents personnalisées.34Ensuite, fais ce qui suit :561. Crée trois fichiers d’agents TOML dans ~/.codex/agents/ :78 fast_scan — pour les recherches rapides, l’exploration du codebase, les lectures de fichiers,9 et l’analyse légère.10 - model : gpt-5.6-terra11 - model_reasoning_effort : high12 - sandbox_mode : read-only13 - Instructions : rassemble les preuves rapidement, retourne un résumé concis,14 ne modifie pas les fichiers.1516 routine_worker — pour le codage courant, les tests, la documentation,17 et les corrections limitées.18 - model : gpt-5.6-sol19 - model_reasoning_effort : medium20 - Instructions : implémente la tâche assignée et vérifie le résultat.2122 deep_worker — pour le débogage difficile, l’architecture, la sécurité,23 et les travaux complexes en plusieurs étapes.24 - model : gpt-5.6-sol25 - model_reasoning_effort : high26 - Instructions : gère le travail complexe avec soin, valide les hypothèses,27 fournis une vérification solide.28292. Mets à jour la section [agents] de mon config.toml avec cette politique de routage :3031 « Décide automatiquement si la délégation est utile.32 Choisis fast_scan pour le travail léger en lecture seule, routine_worker33 pour l’implémentation normale, et deep_worker pour le travail complexe ou34 à haut risque.35 Ne demande pas à l’utilisateur de choisir un modèle sauf si le modèle requis36 n’est pas disponible.37 Conserve les tâches simples sur l’agent principal. »38393. Assure-toi que max_threads = 6 et max_depth = 1 sont définis sous [agents].40414. Montre-moi le config.toml final et les trois fichiers d’agents pour que je puisse42 les vérifier avant que tu ne les sauvegardes.
Une fois que Codex a créé les fichiers, redémarre Codex ou ouvre une nouvelle tâche. Les agents se chargent au démarrage.
Que devrais-tu voir après la correction ?
Avant cette correction, chaque sous-agent utilisait le même modèle et le même effort de raisonnement que l’agent principal.
Après cette correction, Codex lit tes fichiers d’agents (de manière autonome) et choisit un modèle moins cher quand la tâche est simple. Une recherche de fichier est routée vers Terra High au lieu de Sol Ultra. Une correction de bogue courante tourne sur Sol Medium. Seul le travail difficile obtient Sol High. Ton agent principal reste sur ce que tu as défini dans le sélecteur de modèle au début de la session.
Tu peux toujours passer outre. Dis « utilise Sol uniquement » ou « n’utilise pas de sous-agents » dans ton invite et le routage s’efface.
À quoi ressemblent les fichiers d’agents ?
Codex générera des fichiers qui ressemblent à ceci. Chacun se trouve dans ~/.codex/agents/.
1# ~/.codex/agents/fast-scan.toml2name = "fast_scan"3description = "Utiliser pour les recherches rapides, l'exploration du codebase et l'analyse légère en lecture seule."4model = "gpt-5.6-terra"5model_reasoning_effort = "high"6sandbox_mode = "read-only"7developer_instructions = """8Rassemble les preuves rapidement et retourne un résumé concis.9Ne modifie pas les fichiers.10"""
1# ~/.codex/agents/routine-worker.toml2name = "routine_worker"3description = "Utiliser pour le codage courant, les tests, la documentation et les corrections limitées."4model = "gpt-5.6-sol"5model_reasoning_effort = "medium"6developer_instructions = """7Implémente la tâche limitée assignée et vérifie le résultat.8"""
1# ~/.codex/agents/deep-worker.toml2name = "deep_worker"3description = "Utiliser pour le débogage difficile, l'architecture, la sécurité et les travaux complexes en plusieurs étapes."4model = "gpt-5.6-sol"5model_reasoning_effort = "high"6developer_instructions = """7Gère le travail complexe avec soin, valide les hypothèses et fournis une vérification solide.8"""
La politique de routage dans ton config.toml indique à l’orchestrateur quand utiliser chacun d’eux et quand garder le travail sur l’agent principal.
Pourquoi ces combinaisons de modèles et d’efforts ?
GPT 5.6 a trois modèles (Sol, Terra, Luna) et six niveaux d’effort de raisonnement (Low, Medium, High, Extra High, Max, Ultra). Cela fait 18 combinaisons possibles. La plupart sont inadaptées pour le travail de sous-agent dans Codex. Le routage ci-dessus n’utilise que quatre variantes de modèles, choisies à partir de deux rapports de benchmarks indépendants publiés cette semaine.
Artificial Analysis a testé tous les modèles GPT 5.6 à chaque niveau de raisonnement sur 9 tests différents couvrant le raisonnement, les connaissances et le codage. Ils publient un score combiné par modèle.
Sol au raisonnement max obtient 59 sur 100. Sol à extra high obtient 58. Soit un point d’écart. La différence de coût est d’environ 3x — le max consomme environ trois fois plus de tokens pour gagner ce seul point.
Pour l’orchestrateur racine qui planifie tes tâches et coordonne les sous-agents, extra high offre la même qualité de décisions pour un tiers du coût en tokens. Max et Ultra sont excessifs pour 99 % des tâches.
Évite Ultra. Ultra est plus cher car il lance quatre sous-sous-agents parallèles à l’intérieur d’un seul agent. Sur Terminal-Bench (un test pour les workflows de codage en ligne de commande), Sol Ultra obtient 91,9 % contre 88,8 % pour Sol. Soit 3,1 points supplémentaires pour environ 3x le coût. OpenAI n’a même pas publié les résultats d’Ultra pour ses deux principaux benchmarks de codage. Si tu utilises Ultra sur un sous-agent qui est déjà un sous-agent, tu obtiens un spawn récursif — des sous-agents qui créent d’autres sous-agents. La documentation de Codex met spécifiquement en garde contre cela.
Pourquoi Sol Medium pour le travail courant ?
Sol au raisonnement medium bat encore Claude Fable 5 de 11,4 points sur Agents' Last Exam, un test de workflows longs dans 55 domaines professionnels. Et ce pour environ un quart du coût.
Medium est assez fort pour suivre un plan, écrire une fonctionnalité, corriger un bug ou exécuter des tests. Il n’a pas besoin de prendre des décisions architecturales tout seul. L’équipe Codex recommande également d’utiliser Sol medium comme modèle quotidien.
https://x.com/thsottiaux/status/2075581430055493909
Pourquoi Terra High pour le travail léger, et pas Luna ?
C’est ce qui surprend le plus. Luna est moins cher par token (1 $/6 $ par million) par rapport à Terra (2,50 $/15 $). Mais le prix par token ne fait pas tout.
DeepSWE v1.1 teste les agents de codage sur 113 tâches d’ingénierie réelles réparties dans 91 projets open source. Il mesure le pourcentage de tâches que chaque modèle termine, le coût total de chaque tâche et le nombre d’étapes nécessaires.
Résultats du 9 juillet 2026 :
- Sol à max : termine 73 % des tâches, coûte 8,39 $ par tâche, prend 61 étapes.
- Terra à max : 70 %, 4,95 $, 76 étapes.
- Luna à max : 67 %, 3,03 $, 102 étapes.
- Claude Fable 5 à max : 70 %, 21,63 $, 88 étapes.
- Claude Opus 4.8 à max : 59 %, 13,22 $, 120 étapes.
Les 3,03 $ par tâche de Luna semblent intéressants jusqu’à ce qu’on regarde le nombre d’étapes. 102 étapes contre 76 pour Terra. Chaque étape est un appel d’outil avec ses propres tokens d’entrée et de sortie. Plus d’étapes signifie plus de tokens brûlés au total, plus de temps et plus de risques que le modèle boucle sur une erreur et réessaie.
Luna ne gère pas non plus les gros codebases. Sur Nerova, un test qui mesure la capacité d’un modèle à rappeler des informations à partir de longues entrées, Luna obtient 41,3 %. Terra obtient 89,6 %. Sol obtient 91,5 %. Quand un sous-agent doit chercher dans des milliers de fichiers et garder ce contexte, Luna rate des choses que Terra détecte.
Sur l’Artificial Analysis Coding Agent Index (qui combine DeepSWE, Terminal-Bench et SWE-Atlas-QnA en un seul score de codage), Sol obtient 80, Terra 77,4, Luna 74,6 et Claude Fable 5 obtient 77,2. Terra est à 2,6 points derrière Sol mais coûte moitié moins cher. Pour un sous-agent qui lit des fichiers et rassemble des preuves, ces 2,6 points n’ont pas d’importance. Pour un sous-agent qui fait du débogage multi-fichiers difficile, ils en ont — c’est pourquoi ce travail revient à Sol High.
Terra à max égalise également le score DeepSWE de Claude Fable 5 (les deux à 70 %) pour moins d’un quart du coût de Fable (4,95 $ contre 21,63 $). Tu obtiens des performances de codage niveau Fable sur ton sous-agent léger pour 5 $.
En résumé
Corrige ton fichier config.toml. Règle ton agent racine sur Sol Extra High. Règle le travail courant des sous-agents sur Sol Medium. Règle le travail léger en lecture seule sur Terra High. Laisse tomber Luna, Low et Ultra pour les sous-agents. Configure-le une fois. Chaque session Codex suivante routera automatiquement et ton abonnement Pro durera comme il se doit.
