Il tuo abbonamento ai piani Codex 5x e 20x Pro si consuma troppo in fretta. Il motivo è un difetto di routing nel modo in cui Codex gestisce i subagenti.
Quando imposti GPT-5.6 Sol su "Ultra" nel selettore del modello, ogni subagente generato da Codex esegue anch'esso Sol Ultra.
Lo strumento spawn_agent non ti permette di scegliere un modello o uno sforzo di ragionamento diverso per il figlio. Copia il modello genitore. Tre subagenti su un unico task significano tre istanze di Sol Ultra in esecuzione contemporaneamente, ognuna delle quali consuma la tua quota a tutta velocità.
https://x.com/evi77ain/status/2075445272013095033
Puoi ridurre il consumo di token di circa il 50% utilizzando questa combinazione più intelligente di modelli:
- GPT 5.6 Sol Extra High come cervello principale
- GPT 5.6 Sol Medium per i subagenti più intelligenti
- GPT 5.6 Terra High per gli agenti rapidi e leggeri.
Perché proprio questi tre modelli? Ci arrivo dopo aver sistemato il file di configurazione.
L'idea è semplice. Devi avere un modello "Orchestratore" che si occupa del pensiero: pianificazione, architettura, decisione su cosa delegare. Poi hai modelli "Esecutori" che implementano il piano. Gli esecutori sono più economici, più veloci e abbastanza intelligenti da seguire le istruzioni senza bisogno di un ragionamento a piena potenza.
Codex supporta già questo meccanismo tramite un file chiamato config.toml e definizioni personalizzate di agenti. Definisci i ruoli degli agenti in piccoli file di configurazione, imposti quale modello utilizza ogni ruolo e aggiungi una policy di routing che dice a Codex quando usare quale agente. Dopodiché, Codex gestisce tutto automaticamente. Invii i task esattamente come hai sempre fatto.
Chiedi a Codex di creare la "Modalità Automatica" per te
Apri Codex e incolla questo prompt. Leggerà la tua configurazione esistente, creerà i file degli agenti e aggiornerà la policy di routing.
1Leggi il mio attuale ~/.codex/config.toml e la documentazione su2https://developers.openai.com/codex/subagents per le definizioni personalizzate degli agenti.34Poi esegui quanto segue:561. Crea tre file TOML per gli agenti in ~/.codex/agents/:78 fast_scan — per ricerche veloci, esplorazione del codebase, lettura di file9 e analisi leggere.10 - model: gpt-5.6-terra11 - model_reasoning_effort: high12 - sandbox_mode: read-only13 - Istruzioni: raccogli rapidamente le prove, restituisci un riepilogo conciso,14 non modificare file.1516 routine_worker — per coding di routine, test, documentazione17 e correzioni con ambito definito.18 - model: gpt-5.6-sol19 - model_reasoning_effort: medium20 - Istruzioni: implementa il task assegnato e verifica il risultato.2122 deep_worker — per debug complessi, architettura, sicurezza23 e lavoro multi-step ambiguo.24 - model: gpt-5.6-sol25 - model_reasoning_effort: high26 - Istruzioni: gestisci il lavoro complesso con attenzione, valida le ipotesi,27 fornisci una verifica solida.28292. Aggiorna la sezione [agents] del mio config.toml con questa policy di routing:3031 "Decidi automaticamente se la delega è utile.32 Scegli fast_scan per lavoro leggero in sola lettura, routine_worker33 per implementazione normale e deep_worker per ragionamenti complessi o34 ad alto rischio.35 Non chiedere all'utente di scegliere un modello, a meno che il modello36 richiesto non sia disponibile.37 Mantieni i task semplici sull'agente principale."38393. Assicurati che max_threads = 6 e max_depth = 1 siano impostati sotto [agents].40414. Mostrami il config.toml finale e tutti e tre i file degli agenti in modo che io42 possa verificare prima di salvare.
Dopo che Codex ha creato i file, riavvia Codex o apri un nuovo task. Gli agenti vengono caricati all'avvio.
Cosa dovresti vedere dopo la correzione?
Prima di questa correzione, ogni subagente eseguiva lo stesso modello e lo stesso sforzo di ragionamento dell'agente principale.
Dopo questa correzione, Codex legge i tuoi file degli agenti (in autonomia) e sceglie un modello più economico quando il task è semplice. Una ricerca di file viene instradata su Terra High invece che su Sol Ultra. Una correzione di bug di routine viene eseguita su Sol Medium. Solo i compiti difficili ottengono Sol High. Il tuo agente principale rimane su qualsiasi modello tu abbia impostato nel selettore all'inizio della sessione.
Puoi comunque forzare la scelta. Dì "usa solo Sol" o "non usare subagenti" nel tuo prompt e il routing si mette da parte.
Che aspetto hanno i file degli agenti?
Codex genererà file simili a questi. Ognuno si trova in ~/.codex/agents/.
1# ~/.codex/agents/fast-scan.toml2name = "fast_scan"3description = "Use for quick searches, codebase exploration, and lightweight read-only analysis."4model = "gpt-5.6-terra"5model_reasoning_effort = "high"6sandbox_mode = "read-only"7developer_instructions = """8Gather evidence quickly and return a concise summary.9Do not edit files.10"""
1# ~/.codex/agents/routine-worker.toml2name = "routine_worker"3description = "Use for routine coding, tests, documentation, and bounded fixes."4model = "gpt-5.6-sol"5model_reasoning_effort = "medium"6developer_instructions = """7Implement the assigned bounded task and verify the result.8"""
1# ~/.codex/agents/deep-worker.toml2name = "deep_worker"3description = "Use for difficult debugging, architecture, security, and ambiguous multi-step work."4model = "gpt-5.6-sol"5model_reasoning_effort = "high"6developer_instructions = """7Handle complex work carefully, validate assumptions, and provide strong verification.8"""
La policy di routing nel tuo config.toml dice all'orchestratore quando usare ciascuno di essi e quando mantenere il lavoro sull'agente principale.
Perché queste combinazioni di modelli e sforzo?
GPT 5.6 ha tre modelli (Sol, Terra, Luna) e sei livelli di sforzo di ragionamento (Low, Medium, High, Extra High, Max, Ultra). Sono 18 combinazioni possibili. La maggior parte è sbagliata per il lavoro con i subagenti di Codex. Il routing sopra utilizza solo quattro varianti di modello, selezionate da due report indipendenti di benchmark pubblicati questa settimana.
Artificial Analysis ha testato ogni modello GPT 5.6 a ogni livello di ragionamento su 9 test diversi che coprono ragionamento, conoscenza e coding. Pubblicano un punteggio combinato per modello.
Sol a ragionamento max ottiene 59 su 100. Sol a extra high ottiene 58. Un punto di differenza. La differenza di costo è di circa 3x — max brucia circa tre volte i token per ottenere quel punto in più.
Per l'orchestratore principale che pianifica i tuoi task e coordina i subagenti, extra high ti dà la stessa qualità decisionale a un terzo del costo in token. Max e Ultra sono eccessivi per il 99% dei task.
Stai alla larga da Ultra. Ultra è più costoso perché genera quattro sotto-subagenti paralleli all'interno di un singolo agente. Su Terminal-Bench (un test per flussi di lavoro di coding da riga di comando), Sol Ultra ottiene il 91,9% contro l'88,8% di Sol. Sono 3,1 punti in più a un costo circa 3x maggiore. OpenAI non ha nemmeno pubblicato i risultati di Ultra per i suoi due principali benchmark di coding. Se usi Ultra su un subagente che è già esso stesso un subagente, ottieni una generazione ricorsiva — subagenti che generano altri subagenti. La documentazione di Codex mette esplicitamente in guardia da questo.
Perché Sol Medium per il lavoro di routine?
Sol a ragionamento medium supera ancora Claude Fable 5 di 11,4 punti su Agents' Last Exam, un test di flussi di lavoro a lungo termine in 55 ambiti professionali. E lo fa a circa un quarto del costo.
Medium è abbastanza potente da seguire un piano, scrivere una funzionalità, correggere un bug o eseguire test. Non ha bisogno di prendere decisioni architetturali da solo. Anche il team di Codex raccomanda Sol medium come modello per l'uso quotidiano.
https://x.com/thsottiaux/status/2075581430055493909
Perché Terra High per il lavoro leggero, e non Luna?
Questo è ciò che sorprende molte persone. Luna è più economico per token ($1/$6 per milione) rispetto a Terra ($2.50/$15). Ma il prezzo per token non è il quadro completo.
DeepSWE v1.1 testa gli agenti di coding su 113 task di ingegneria reali in 91 progetti open source. Misura la percentuale di task completati da ciascun modello, il costo totale per task e il numero di passaggi necessari.
Risultati del 9 luglio 2026:
- Sol a max: completa il 73% dei task, costa $8.39 per task, richiede 61 passaggi.
- Terra a max: 70%, $4.95, 76 passaggi.
- Luna a max: 67%, $3.03, 102 passaggi.
- Claude Fable 5 a max: 70%, $21.63, 88 passaggi.
- Claude Opus 4.8 a max: 59%, $13.22, 120 passaggi.
I $3.03 per task di Luna sembrano buoni finché non si vede il numero di passaggi. 102 passaggi contro i 76 di Terra. Ogni passaggio è una chiamata a uno strumento con i propri token di input e output. Più passaggi significano più token totali consumati, più tempo e più possibilità per il modello di entrare in un loop su un errore e riprovare.
Luna inoltre non è in grado di gestire codebase di grandi dimensioni. Su Nerova, un test che misura quanto bene un modello recupera informazioni da input lunghi, Luna ottiene il 41,3%. Terra ottiene l'89,6%. Sol ottiene il 91,5%. Quando un subagente deve cercare in migliaia di file e mantenere quel contesto, Luna perde informazioni che Terra invece cattura.
Sull'Artificial Analysis Coding Agent Index (che combina DeepSWE, Terminal-Bench e SWE-Atlas-QnA in un unico punteggio di coding), Sol ottiene 80, Terra ottiene 77.4, Luna ottiene 74.6 e Claude Fable 5 ottiene 77.2. Terra è 2,6 punti dietro Sol ma costa la metà. Per un subagente che legge file e raccoglie prove, quei 2,6 punti non contano. Per un subagente che esegue un debug complesso su più file, contano — motivo per cui quel lavoro viene invece assegnato a Sol High.
Terra a max eguaglia anche il punteggio DeepSWE di Claude Fable 5 (entrambi al 70%) a meno di un quarto del costo di Fable ($4.95 contro $21.63). Ottieni prestazioni di coding a livello Fable sul tuo subagente leggero per $5.
In conclusione
Sistema il tuo file config.toml. Imposta il tuo agente principale su Sol Extra High. Imposta il lavoro di routine dei subagenti su Sol Medium. Imposta il lavoro leggero in sola lettura su Terra High. Salta Luna, salta Low, salta Ultra sui subagenti. Impostalo una volta sola. Ogni sessione successiva di Codex eseguirà il routing automaticamente e il tuo piano Pro durerà come dovrebbe.
