Codex 适用于宏大目标与一切中间地带
有些任务需要深思熟虑的规划和协调，而另一些则直截了当。这也适用于你交给 Codex 的工作——正因如此，GPT-5.6 提供了三种模型供你选择。如果你不确定从何入手，请选择 Sol Medium。
每种模型的优势所在
Sol：适用于复杂、开放式的任务——Sol 专为那些模糊、困难或高价值的工作而设计，在这些工作中，更深入的探究和打磨可以改变结果。它能将问题的各个思路联系起来，捕捉容易忽略的细节，并揭示出你可能未曾想到的有用见解。这种深度也让 Sol 在复杂的调试任务中更高效，因为避免几次错误方向的价值远超一次更快的初次尝试。
Terra：务实的多面手——Terra 非常适合日常实施、测试以及仍需良好判断力的多步骤工作。它能够处理模糊性、找到相关上下文，并有效协调子代理，同时倾向于收敛到一个扎实的结果，而不必追求每一个细节或洞察。Terra High 在任务范围明确但实施仍有一定复杂性的场景下尤为有用。
Luna：适用于清晰、范围明确的任务——Luna 是一个快速选项，自然适合高吞吐量的工作流，如提取、分类、转换和结构化摘要。当任务范围和预期结果明确时，它也能承担更复杂的实施工作。在 xHigh 推理级别下，Luna 可以在有界实施任务中提供高质量的结果。
Ultra 意味着什么
大多数任务不需要 Ultra。对于最困难的工作，Sol Ultra 提供了 Codex 中最高的智能水平，结合了最大推理能力与主动的多智能体协作。智能体可以深入调查，同时在多个方向并行推进。它消耗的 token 显著更多，因此请将其保留用于那些深度和协调值得投入的任务。
规划是一个很好的用例。借助合适的插件，你可以将 Codex 指向一个 Slack 线程、相关的 GitHub Issue 和 PR、文档、代码以及 Git 历史。让 Ultra 整合这些上下文，梳理模糊之处，并生成一个清晰的实施计划。
一旦范围确定，实施部分就可以更容易地交给 Sol Medium 或 High、Terra High 或 Luna xHigh。
大规模计划并不总是需要 Ultra。Sol Medium 也能产生强有力的结果，尤其是当你要求它主动使用子代理并将任务拆分为清晰的并行方向时。只有当任务的重要程度、模糊性或者上下文量足以证明额外深度是值得的时候，才使用 Ultra。
开箱即用，Codex 会创建继承当前对话上下文、并使用与父智能体相同模型系列和推理级别的子智能体。 这些默认设置是经过深思熟虑的，模型知道如何有效利用它们。本周晚些时候，你将能够通过技能或提示自定义这些选择，在收集上下文时使用更轻量的设置，同时为实施保留更强的默认设置。
为 Codex 设定明确的终点
最好的提示给 Codex 提供方向，而非详细路线图。Sol 可以从其可用工具中自行发现上下文，跟踪有前景的线索，并在无需每一步都明确指示的情况下处理模糊性。它需要你提供的是一个明确的结果、几个好的起点，以及识别任务何时完成的方法。如果问题涉及多个并行方向，请让它尽早引入子代理。一个有用的提示涵盖四个方面：
- 目标： 你期望的结果以及它需要服务于谁。
- 上下文： 能够帮助 Codex 理解问题的代码、文档、Slack 线程、Issue 或其他起点。
- 输出和边界： Codex 应该生成什么、哪些内容不应触碰、以及哪些地方需要审批。
- 终点： 使结果具备交付条件的检查、证据或决策。
示例：Sol Ultra 规划提示
“从
这个
Slack 线程开始。找到相关的 Issue、PR、文档、代码和 Git 历史，然后将你学到的内容转化为一个清晰的实施计划。指出范围、方法、风险、待定决策以及我们将如何验证其有效性。以一份干净、自包含的 HTML 页面呈现计划，供我们共同审阅。暂时不要实施。”
让工作量与任务匹配
Sol Medium 是调节工作量的有用基线。 一个不错的经验法则是：模型越小，推理级别越高——因此适合 Sol Medium 的任务可能要用 Terra High 或 Luna xHigh。
如果你想更精确地将模型与任务匹配，这里有几个不错的选择：
- Sol Ultra 用于高风险、上下文分散或仍在成形中的问题。
- Terra High 用于范围明确但仍有一定复杂性的实施。
- Luna xHigh 用于范围明确且速度至关重要的实施。
一旦你明确了需要构建什么以及为什么，其他一切都会变得更容易。你可以交付清晰的工作片段，为每项任务选择正确的模型，并在过程中减少修正方向的时间。
