Gói Codex 5x và 20x Pro của bạn đang tiêu hao quá nhanh. Nguyên nhân là do một lỗ hổng định tuyến trong cách Codex xử lý các tác tử phụ (subagent).
Khi bạn đặt GPT-5.6 Sol ở chế độ "Ultra" trong bộ chọn mô hình, mọi tác tử phụ mà Codex tạo ra cũng sẽ chạy Sol Ultra.
Công cụ spawn_agent không cho phép bạn chọn một mô hình hoặc mức độ suy luận khác cho tác tử con. Nó chỉ sao chép từ tác tử cha. Ba tác tử phụ trên một tác vụ đồng nghĩa với việc ba phiên bản Sol Ultra đang chạy cùng lúc, mỗi phiên bản đều đốt hết hạn ngạch của bạn với tốc độ tối đa.
https://x.com/evi77ain/status/2075445272013095033
Bạn có thể giảm khoảng 50% lượng token sử dụng bằng cách kết hợp các mô hình thông minh hơn sau đây:
- GPT 5.6 Sol Extra High làm bộ não chính
- GPT 5.6 Sol Medium cho các tác tử phụ thông minh hơn
- GPT 5.6 Terra High cho các tác tử nhẹ, nhanh.
Tại sao lại là ba mô hình này? Tôi sẽ giải thích sau khi chúng ta sửa file cấu hình.
Ý tưởng rất đơn giản. Bạn cần có một mô hình "Điều phối" (Orchestrator) thực hiện việc tư duy: lập kế hoạch, thiết kế kiến trúc, quyết định việc gì cần ủy thác. Sau đó, bạn có các mô hình "Thực thi" (Executor) thực hiện kế hoạch đó. Các trình thực thi rẻ hơn, nhanh hơn và đủ thông minh để làm theo hướng dẫn mà không cần khả năng suy luận toàn lực.
Codex đã hỗ trợ điều này thông qua một file có tên là config.toml và các định nghĩa tác tử tùy chỉnh. Bạn định nghĩa vai trò tác tử trong các file cấu hình nhỏ, đặt mô hình mà mỗi vai trò sử dụng, và thêm một chính sách định tuyến để hướng dẫn Codex khi nào nên dùng tác tử nào. Sau đó, Codex sẽ tự động xử lý mọi thứ. Bạn vẫn gửi tác vụ theo cách thông thường.
Yêu cầu Codex xây dựng "Chế độ Tự động" cho bạn
Mở Codex và dán prompt này. Nó sẽ đọc cấu hình hiện tại của bạn, tạo các file tác tử và cập nhật chính sách định tuyến.
1Đọc file ~/.codex/config.toml hiện tại của tôi và tài liệu tại2https://developers.openai.com/codex/subagents để biết định nghĩa tác tử tùy chỉnh.34Sau đó, thực hiện các bước sau:561. Tạo ba file TOML tác tử trong thư mục ~/.codex/agents/:78 fast_scan — dùng cho tìm kiếm nhanh, khám phá mã nguồn, đọc file,9 và phân tích nhẹ.10 - model: gpt-5.6-terra11 - model_reasoning_effort: high12 - sandbox_mode: read-only13 - Hướng dẫn: thu thập bằng chứng nhanh chóng, trả về bản tóm tắt ngắn gọn,14 không chỉnh sửa file.1516 routine_worker — dùng cho việc viết mã thông thường, kiểm thử, tài liệu,17 và sửa lỗi có phạm vi giới hạn.18 - model: gpt-5.6-sol19 - model_reasoning_effort: medium20 - Hướng dẫn: thực hiện tác vụ được giao và xác minh kết quả.2122 deep_worker — dùng cho việc gỡ lỗi khó, thiết kế kiến trúc, bảo mật,23 và các công việc đa bước, không rõ ràng.24 - model: gpt-5.6-sol25 - model_reasoning_effort: high26 - Hướng dẫn: xử lý công việc phức tạp một cách cẩn thận, xác thực các giả định,27 cung cấp xác minh mạnh mẽ.28292. Cập nhật phần [agents] trong file config.toml của tôi với chính sách định tuyến này:3031 "Tự động quyết định xem việc ủy thác có hữu ích hay không.32 Chọn fast_scan cho các công việc chỉ đọc nhẹ, routine_worker33 cho việc triển khai thông thường, và deep_worker cho các công việc34 suy luận phức tạp hoặc rủi ro cao.35 Không yêu cầu người dùng chọn mô hình trừ khi mô hình cần thiết36 không có sẵn.37 Giữ các tác vụ đơn giản trên tác tử chính."38393. Đảm bảo max_threads = 6 và max_depth = 1 được đặt trong phần [agents].40414. Hiển thị cho tôi file config.toml cuối cùng và cả ba file tác tử để tôi42 có thể xem xét trước khi bạn lưu.
Sau khi Codex tạo các file, hãy khởi động lại Codex hoặc mở một tác vụ mới. Các tác tử sẽ được tải khi khởi động.
Bạn sẽ thấy gì sau khi sửa lỗi?
Trước khi sửa lỗi này, mọi tác tử phụ đều chạy cùng một mô hình và mức độ suy luận như tác tử chính của bạn.
Sau khi sửa lỗi này, Codex sẽ đọc các file tác tử của bạn (một cách tự động) và chọn một mô hình rẻ hơn khi tác vụ đơn giản. Một tìm kiếm file sẽ được chuyển đến Terra High thay vì Sol Ultra. Một sửa lỗi thông thường sẽ chạy trên Sol Medium. Chỉ những việc khó khăn mới dùng Sol High. Tác tử chính của bạn vẫn giữ nguyên mô hình bạn đã đặt trong bộ chọn mô hình khi bắt đầu phiên làm việc.
Bạn vẫn có thể ghi đè điều này. Nói "chỉ dùng Sol" hoặc "không dùng tác tử phụ" trong prompt của bạn và việc định tuyến sẽ tự động bỏ qua.
Các file tác tử trông như thế nào?
Codex sẽ tạo ra các file trông giống như thế này. Mỗi file nằm trong thư mục ~/.codex/agents/.
1# ~/.codex/agents/fast-scan.toml2name = "fast_scan"3description = "Dùng cho tìm kiếm nhanh, khám phá mã nguồn và phân tích chỉ đọc nhẹ."4model = "gpt-5.6-terra"5model_reasoning_effort = "high"6sandbox_mode = "read-only"7developer_instructions = """8Thu thập bằng chứng nhanh chóng và trả về bản tóm tắt ngắn gọn.9Không chỉnh sửa file.10"""
1# ~/.codex/agents/routine-worker.toml2name = "routine_worker"3description = "Dùng cho việc viết mã thông thường, kiểm thử, tài liệu và sửa lỗi có phạm vi giới hạn."4model = "gpt-5.6-sol"5model_reasoning_effort = "medium"6developer_instructions = """7Thực hiện tác vụ có phạm vi giới hạn được giao và xác minh kết quả.8"""
1# ~/.codex/agents/deep-worker.toml2name = "deep_worker"3description = "Dùng cho việc gỡ lỗi khó, thiết kế kiến trúc, bảo mật và các công việc đa bước, không rõ ràng."4model = "gpt-5.6-sol"5model_reasoning_effort = "high"6developer_instructions = """7Xử lý công việc phức tạp một cách cẩn thận, xác thực các giả định và cung cấp xác minh mạnh mẽ.8"""
Chính sách định tuyến trong file config.toml của bạn sẽ hướng dẫn bộ điều phối khi nào nên sử dụng từng tác tử và khi nào nên giữ công việc trên tác tử chính.
Tại sao lại là những mô hình và mức độ suy luận này?
GPT 5.6 có ba mô hình (Sol, Terra, Luna) và sáu mức độ suy luận (Low, Medium, High, Extra High, Max, Ultra). Đó là 18 tổ hợp khả năng. Hầu hết chúng đều không phù hợp cho công việc của tác tử phụ Codex. Việc định tuyến ở trên chỉ sử dụng bốn biến thể mô hình, được chọn từ hai báo cáo điểm chuẩn độc lập được công bố trong tuần này.
Artificial Analysis đã thử nghiệm mọi mô hình GPT 5.6 ở mọi mức độ suy luận trên 9 bài kiểm tra khác nhau bao gồm suy luận, kiến thức và viết mã. Họ công bố một điểm số tổng hợp cho mỗi mô hình.
Sol ở mức suy luận tối đa (max) đạt 59 trên 100 điểm. Sol ở mức extra high đạt 58. Đó là sự khác biệt một điểm. Chênh lệch chi phí là khoảng 3 lần — max đốt gấp ba lần số token để đạt được thêm một điểm đó.
Đối với bộ điều phối gốc (root orchestrator), người lập kế hoạch cho các tác vụ và điều phối các tác tử phụ, extra high mang lại chất lượng quyết định tương đương với một phần ba chi phí token. Max và Ultra là quá mức cần thiết cho 99% các tác vụ.
Tránh xa Ultra. Ultra đắt hơn vì nó tạo ra bốn tác tử phụ-phụ song song bên trong một tác tử duy nhất. Trên Terminal-Bench (một bài kiểm tra cho quy trình làm việc viết mã dòng lệnh), Sol Ultra đạt 91.9% so với Sol ở mức 88.8%. Đó là thêm 3.1 điểm với chi phí gấp khoảng 3 lần. OpenAI thậm chí còn không công bố kết quả Ultra cho hai điểm chuẩn viết mã chính của họ. Nếu bạn sử dụng Ultra trên một tác tử phụ vốn đã là tác tử phụ, bạn sẽ gặp phải hiện tượng tạo đệ quy — các tác tử phụ tạo ra nhiều tác tử phụ hơn nữa. Tài liệu Codex đặc biệt cảnh báo về điều này.
Tại sao lại là Sol Medium cho công việc thông thường?
Sol ở mức suy luận medium vẫn đánh bại Claude Fable 5 với 11.4 điểm trong bài kiểm tra Agents' Last Exam, một bài kiểm tra về quy trình làm việc kéo dài trên 55 lĩnh vực chuyên môn. Nó làm được điều này với chi phí chỉ bằng một phần tư.
Medium đủ mạnh để làm theo một kế hoạch, viết một tính năng, sửa một lỗi hoặc chạy thử nghiệm. Nó không cần phải tự mình đưa ra các quyết định về kiến trúc. Nhóm Codex cũng khuyến nghị sử dụng Sol medium làm mô hình sử dụng hàng ngày.
https://x.com/thsottiaux/status/2075581430055493909
Tại sao lại là Terra High cho công việc nhẹ, thay vì Luna?
Đây là điều khiến mọi người ngạc nhiên. Luna rẻ hơn trên mỗi token ($1/$6 mỗi triệu) so với Terra ($2.50/$15). Nhưng giá token không phải là bức tranh toàn cảnh.
DeepSWE v1.1 thử nghiệm các tác tử viết mã trên 113 nhiệm vụ kỹ thuật thực tế trong 91 dự án mã nguồn mở. Nó đo lường tỷ lệ phần trăm nhiệm vụ mà mỗi mô hình hoàn thành, tổng chi phí cho mỗi nhiệm vụ và số bước thực hiện.
Kết quả từ ngày 9 tháng 7 năm 2026:
- Sol ở mức max: hoàn thành 73% nhiệm vụ, chi phí $8.39 mỗi nhiệm vụ, mất 61 bước.
- Terra ở mức max: 70%, $4.95, 76 bước.
- Luna ở mức max: 67%, $3.03, 102 bước.
- Claude Fable 5 ở mức max: 70%, $21.63, 88 bước.
- Claude Opus 4.8 ở mức max: 59%, $13.22, 120 bước.
Mức $3.03 mỗi nhiệm vụ của Luna trông có vẻ tốt cho đến khi bạn nhìn vào số bước. 102 bước so với 76 bước của Terra. Mỗi bước là một lần gọi công cụ với token đầu vào và đầu ra riêng. Càng nhiều bước đồng nghĩa với tổng số token bị đốt càng nhiều, càng tốn thời gian và càng có nhiều cơ hội để mô hình lặp lại lỗi và thử lại.
Luna cũng không thể xử lý các kho mã nguồn lớn. Trên Nerova, một bài kiểm tra đo lường mức độ mô hình nhớ lại thông tin từ đầu vào dài, Luna đạt 41.3%. Terra đạt 89.6%. Sol đạt 91.5%. Khi một tác tử phụ cần tìm kiếm trong hàng nghìn file và giữ ngữ cảnh đó, Luna sẽ bỏ sót những thứ mà Terra nắm bắt được.
Trên Chỉ số Tác tử Viết mã của Artificial Analysis (kết hợp DeepSWE, Terminal-Bench và SWE-Atlas-QnA thành một điểm số viết mã duy nhất), Sol đạt 80, Terra đạt 77.4, Luna đạt 74.6 và Claude Fable 5 đạt 77.2. Terra kém Sol 2.6 điểm nhưng chi phí chỉ bằng một nửa. Đối với một tác tử phụ đọc file và thu thập bằng chứng, 2.6 điểm đó không quan trọng. Đối với một tác tử phụ thực hiện việc gỡ lỗi đa file khó khăn, chúng lại quan trọng — đó là lý do tại sao công việc đó được chuyển đến Sol High.
Terra ở mức max cũng ngang bằng điểm DeepSWE của Claude Fable 5 (cả hai đều ở mức 70%) với chi phí chưa bằng một phần tư chi phí của Fable ($4.95 so với $21.63). Bạn đang có được hiệu suất viết mã ngang tầm Fable trên tác tử phụ nhẹ của mình với chỉ $5.
Kết luận cuối cùng
Hãy sửa file config.toml của bạn. Đặt tác tử gốc của bạn thành Sol Extra High. Đặt công việc tác tử phụ thông thường thành Sol Medium. Đặt công việc chỉ đọc nhẹ thành Terra High. Bỏ qua Luna, bỏ qua Low, bỏ qua Ultra trên các tác tử phụ. Thiết lập một lần. Mọi phiên Codex sau đó sẽ tự động định tuyến và gói Pro của bạn sẽ kéo dài như mong đợi.
