Introducción
Después de autenticarse con su cuenta de ChatGPT, GPT-5.6 Sol ahora puede usar un presupuesto de contexto de 1 millón de tokens en Codex.
La configuración solo requiere tres líneas:
model = "gpt-5.6-sol"
model_context_window = 1000000
model_auto_compact_token_limit = 900000
Agregue estos ajustes en el nivel superior de config.toml de Codex, reinicie el cliente y abra una nueva sesión.
El punto clave no es solo el número más grande. El tercer ajuste deja un margen de aproximadamente 100 mil tokens y le indica a Codex que comience a compactar el historial más antiguo alrededor de los 900 mil tokens, en lugar de esperar hasta que el contexto esté completamente lleno.
OpenAI también ha sido muy claro sobre las compensaciones: el límite de contexto predeterminado de Codex está cuidadosamente ajustado para equilibrar rendimiento y costo. La ventana de 1 millón le brinda más espacio para albergar código, resultados de herramientas e historial de conversación, pero también consume más uso y no garantiza la misma capacidad de recuperación en el extremo lejano de la ventana.
Configuración de tres líneas para habilitar el contexto de 1 millón de GPT-5.6 Sol
La configuración de Codex publicada por OpenAI utiliza exactamente los siguientes tres ajustes de nivel superior:
model = "gpt-5.6-sol"
model_context_window = 1000000
model_auto_compact_token_limit = 900000
Cada línea tiene su función específica.
- Seleccionar GPT-5.6 Sol
model = "gpt-5.6-sol"
Esto le indica a Codex qué modelo usar en la sesión.
GPT-5.6 Sol es el modelo insignia de la familia GPT-5.6 y admite una ventana de contexto lo suficientemente amplia como para satisfacer la configuración de 1 millón.
- Establecer el presupuesto de contexto de trabajo en 1 millón de tokens
model_context_window = 1000000
La referencia de configuración de Codex de OpenAI define model_context_window como la cantidad de tokens de ventana de contexto disponible para el modelo activo.
Este ajuste de anulación le indica a Codex que asigne un presupuesto de 1 millón de tokens en lugar de usar el valor predeterminado de producto más pequeño.
Un presupuesto más grande permite conservar más de lo siguiente en el contexto activo antes de la compactación:
- Código fuente.
- Archivos del repositorio.
- Resultados de herramientas.
- Registros de terminal.
- Turnos de conversación anteriores.
- Notas de planificación.
- Historial del agente.
Esto es muy útil para trabajos de repositorio de larga duración, donde el agente necesita recuperar repetidamente detalles de etapas tempranas.
- Iniciar la compactación automática alrededor de los 900 mil tokens
model_auto_compact_token_limit = 900000
OpenAI define este ajuste como el umbral de tokens que activa la compactación automática del historial.
Alrededor de los 900 mil tokens, Codex comienza a compactar material más antiguo en lugar de seguir expandiendo el historial activo hasta agotar el límite de contexto completo.
El comportamiento aproximado es el siguiente:
0 → 900 mil tokens
Expansión continua del historial activo
Aproximadamente 900 mil tokens
Inicio de la compactación automática
Presupuesto máximo de 1 millón
Margen reservado para razonamiento continuo y uso de herramientas
El espacio adicional es importante porque el modelo aún necesita espacio para nuevos mensajes, resultados de herramientas, razonamiento y salida generada.
Colocar los ajustes antes de cualquier encabezado de [sección]
Estos tres ajustes deben estar en el nivel superior de las claves TOML.
Las instrucciones de OpenAI requieren colocarlos antes de cualquier encabezado de sección en config.toml.
Un diseño válido es el siguiente:
model = "gpt-5.6-sol"
model_context_window = 1000000
model_auto_compact_token_limit = 900000
[features]
# Otros ajustes van aquí
No los anide accidentalmente debajo de otra sección:
[features]
model = "gpt-5.6-sol"
model_context_window = 1000000
model_auto_compact_token_limit = 900000
Eso cambiaría su alcance TOML y no es la forma documentada de configuración.
Dónde almacena Codex config.toml
OpenAI documenta la ubicación del archivo de configuración a nivel de usuario:
~/.codex/config.toml
También puede usar un archivo a nivel de proyecto:
.codex/config.toml
Ubicado en el repositorio o en un subdirectorio, úselo cuando desee que los ajustes se apliquen únicamente a ese proyecto específico.
Después de editar la configuración:
- Guarde
config.toml. - Reinicie el cliente de Codex.
- Abra una nueva sesión.
Los nuevos ajustes de contexto deberían aplicarse a esa sesión.
Usar el contexto de 1M solo para sesiones CLI individuales
No necesita cambiar los ajustes predeterminados permanentemente.
OpenAI también documenta una forma CLI por sesión:
codex -m gpt-5.6-sol \
-c model_context_window=1000000 \
-c model_auto_compact_token_limit=900000
Esto es muy útil cuando normalmente prefiere el comportamiento de contexto predeterminado de Codex, pero ocasionalmente necesita más espacio para repositorios particularmente grandes o tareas de larga duración.
Una vez que finaliza esa sesión CLI, su configuración normal permanece sin cambios.
Un flujo de trabajo práctico es:
Tareas normales
→ Usar los valores predeterminados de Codex
Tareas excepcionalmente grandes
→ Iniciar una sesión CLI con contexto de 1M
Esto suele ser más manejable que hacer que cada tarea de Codex use la ventana máxima.
¿Por qué el contexto de 1M no es el valor predeterminado?
GPT-5.6 Sol ya admite ventanas de contexto muy grandes.
La limitación no se debe a una falta de capacidad del modelo.
Codex usa un valor predeterminado más pequeño porque el producto está ajustado en función de un equilibrio entre:
- Rendimiento.
- Latencia.
- Uso.
- Fiabilidad de sesiones largas.
- Comportamiento de compactación.
La publicación oficial de la comunidad de OpenAI indica que el límite de contexto predeterminado ha sido cuidadosamente ajustado para rendimiento y costo.
Una ventana más grande permite que Codex conserve más material original, pero cada fragmento adicional de historial aumenta la cantidad de contexto que el sistema necesita gestionar en turnos posteriores.
Para un agente que opera durante horas, "conservar todo palabra por palabra para siempre" no es automáticamente la mejor estrategia.
La compactación automática es parte del diseño predeterminado
A medida que la sesión crece, Codex puede resumir el historial más antiguo.
Esto acerca a los agentes de larga duración a:
Detalles recientes
+
Historial compactado
+
Estado persistente importante
En lugar de:
Cada token de toda la sesión
reenviado para siempre
El investigador de OpenAI Noam Brown ha destacado públicamente este enfoque, señalando que la empresa invierte fuertemente en hacer que la compactación automática sea lo más fluida posible, al mismo tiempo que conserva 1M para quienes realmente lo necesitan.
Opción.
La compresión es especialmente útil cuando los rastros de herramientas antiguos contienen mucha información que ya no es necesario conservar palabra por palabra.
Por ejemplo:
- Registros de pruebas antiguos.
- Salidas de compilación.
- Resultados de búsquedas anteriores.
- Planes de implementación que han sido reemplazados.
- Salidas de terminal duplicadas.
Un buen resumen puede preservar el estado importante sin obligar al modelo a procesar repetidamente cada token antiguo.
Usa la ventana de 1M con prudencia
La segunda subsección principal del artículo original es esencialmente una advertencia: el hecho de que Codex pueda usar un contexto de 1M no significa que cada sesión deba usarlo.
Una publicación de la comunidad recomienda encarecidamente a los usuarios no activar la configuración de anulación por defecto, argumentando que Codex rinde mejor con la configuración ajustada por defecto, y que el uso de contexto ultralargo consume el saldo de la cuenta más rápidamente.
El múltiplo exacto de consumo puede depender de la política actual del producto y del comportamiento del plan, por lo que se debe consultar la documentación más reciente de precios y límites de velocidad de Codex de OpenAI en lugar de asumir un número fijo.
La advertencia más amplia es razonable:
Más contexto activo generalmente significa que más tokens deben ser transportados en rondas posteriores.
Para un agente de codificación de larga duración, esto puede volverse rápidamente costoso.
La ventana de 1M no significa que 1M de tokens tengan la misma usabilidad
El modelo técnicamente puede aceptar indicaciones largas, pero su precisión puede disminuir al recuperar información profundamente oculta.
Los propios resultados de contexto largo de GPT-5.6 de OpenAI ilustran este punto.
| Evaluación | GPT-5.6 Sol |
|---|---|
| OpenAI MRCR v2 8 agujas, 256K–512K | 91.5% |
| OpenAI MRCR v2 8 agujas, 512K–1M | 73.8% |
| GraphWalks BFS, 256K F1 | 90.7% |
| GraphWalks BFS, 1M F1 | 77.1% |
El modelo sigue siendo capaz con contexto ultralargo, pero el rendimiento no es uniforme en todo el rango.
Por eso, "ventana de contexto más grande" y "mejor utilización del contexto" deben considerarse dos conceptos independientes.
La ventana de 1M responde a:
¿Cuánto contenido puede albergar el sistema?
No responde automáticamente a:
¿Puede el modelo utilizar de manera fiable cada detalle en cada posición?
Cuándo tiene sentido el contexto de 1M
La configuración de anulación es más útil cuando realmente tienes razones para mantener activa una cantidad inusualmente grande de información sin procesar.
Por ejemplo:
Refactorización de un código base grande
Crea un sitio de presentacion y capta leads en minutos
Describe tu idea una vez y We0 AI puede generar un sitio de presentacion, paginas y CMS, y ayudarte a atraer clientes y trafico tras el lanzamiento.
Una generación completa de proyectos para registro gratuito
Lo mejor para probar un flujo de generación completo y ver rápidamente el primer borrador del proyecto.
Una tarea puede involucrar simultáneamente muchos paquetes, interfaces, pruebas y archivos de configuración.
Mantener más código en el contexto reduce el redescubrimiento repetido.
Sesiones de depuración largas
Un problema de producción complicado puede involucrar:
- Registros históricos.
- Múltiples hipótesis fallidas.
- Varios cambios de código.
- Resultados de pruebas.
- Detalles del entorno.
Una ventana más grande permite conservar más de esta evidencia antes de la compresión.
Migraciones grandes
Las migraciones de frameworks o API suelen requerir que el agente realice un seguimiento de los cambios en múltiples archivos y recuerde decisiones tempranas.
Investigación e implementación en múltiples etapas
Algunas tareas implican:
Investigación
→ Propuesta de arquitectura
→ Implementación
→ Pruebas
→ Revisión
→ Revisión
Un presupuesto de contexto más grande puede reducir la probabilidad de que los materiales fuente tempranos sean excesivamente resumidos antes de las etapas posteriores.
Tareas con gran cantidad de salida de herramientas
Si el agente debe examinar informes generados a gran escala, grafos de dependencias o salidas de herramientas estructuradas, el espacio adicional puede ser útil.
Cuándo es mejor la configuración predeterminada
Para la mayoría de las tareas de codificación diarias, la configuración predeterminada es probablemente la mejor opción.
Ejemplos incluyen:
- Corregir un error.
- Editar unos pocos archivos.
- Añadir una pequeña funcionalidad.
- Escribir pruebas.
- Revisar solicitudes de extracción.
- Actualizar documentación.
- Ejecutar tareas de investigación breves.
En estos casos, la ventana de contexto de 1M puede aumentar el consumo adicional sin aportar suficiente beneficio práctico que lo justifique.
La recomendación de OpenAI no es "nunca uses 1M".
Algo más cercano sería:
A menos que la tarea realmente requiera más contexto sin procesar,
usa la configuración predeterminada ajustada.
Una regla práctica para decidir
Antes de activar el contexto de 1M, pregúntate:
¿Perderá Codex información porque la compresión ocurre demasiado pronto?
Si la respuesta es no, deja la configuración predeterminada sin cambios.
Si la respuesta es sí, haz una segunda pregunta:
¿Conservar más historial sin procesar mejorará sustancialmente esta tarea?
Solo entonces vale la pena probar la configuración de anulación de 1M.
Esto ayuda a distinguir los problemas reales de contexto del deseo general de maximizar cada configuración.
Presta atención a tu sesión, no esperes a los 900K
El umbral de compresión automática de 900K es un margen de seguridad, no un objetivo que debas alcanzar.
Un flujo de trabajo saludable todavía puede dividir tareas extremadamente largas en sesiones lógicamente claras.
Por ejemplo:
Sesión 1
Investigación y arquitectura
Sesión 2
Implementación
Sesión 3
Pruebas y limpieza
Al final de cada etapa, guarda el estado persistente del proyecto en:
- Archivos del repositorio.
- Notas de incidencias.
- Planes.
- Pruebas.
- Documentación.
- Control de versiones.
Así la siguiente sesión no dependerá por completo del historial del chat.
Esto también hace que el trabajo sea más reproducible para los humanos.
No trates la ventana de contexto como almacenamiento
El contexto es memoria de trabajo temporal.
No sustituye a:
- Git.
- Documentación.
- Seguimiento de incidencias.
- Suites de pruebas.
- Planes de proyecto.
- Memoria persistente.
- Datos estructurados.
Si una decisión importante sigue siendo crítica mañana, guárdala en un lugar persistente.
El mejor flujo de trabajo de agentes a largo plazo combina una ventana de contexto potente con artefactos de proyecto persistentes, en lugar de depender de un registro completo y enorme.
La advertencia de "doble velocidad" en el artículo original
El artículo original destaca una advertencia de la comunidad: una vez que una sesión supera el presupuesto de contexto predeterminado, el consumo de créditos de Codex puede aproximadamente duplicarse.
Esta advertencia fue amplificada públicamente en las discusiones de la comunidad.
Sin embargo, las reglas de uso del producto pueden cambiar, y la configuración actual de GPT-5.6 de 1M publicada por OpenAI en tres líneas de instrucciones no define una regla universal de 2×.
Por lo tanto, la guía más segura es:
- Espera que las sesiones con contexto grande consuman más créditos.
- Supervisa el indicador de uso de Codex en tu plan.
- Consulta la documentación actual de precios/límites de velocidad de OpenAI.
- No asumas que ese múltiplo se mantiene igual entre modelos, planes o versiones futuras.
El hecho operativo importante es la dirección de la curva de costos, no un múltiplo permanente.
La configuración de 1M ya está disponible con cuentas de ChatGPT
Lo que desencadenó el artículo original
no es la existencia de la gran ventana de contexto de GPT-5.6 Sol.
Es el acceso a través de sesiones de Codex autenticadas con cuentas de ChatGPT.
El anuncio de Tibo Sottiaux indicaba que esta configuración antes solo estaba disponible para uso con clave API, y OpenAI ahora también la ha habilitado para cuentas de ChatGPT.
Esto hace que la función esté disponible para una base de usuarios más amplia de Codex, sin necesidad de pasar por el flujo de clave API por separado.
Tu acceso real aún depende de la disponibilidad del modelo Codex y de las limitaciones relevantes de tu plan actual de ChatGPT.
Una cosa más: se espera que Astra llegue a Codex
Al final del artículo original hay una breve actualización de Tibo Sottiaux.
En la publicación pública que describe Codex, adjunta una nota diciendo que Codex "tendrá Astra".
OpenAI ha confirmado por separado que Astra es un modelo próximo, refiriéndose internamente a él como su próximo modelo principal.
Esto es suficiente para apoyar la afirmación:
Astra es el próximo modelo de OpenAI,
y el responsable de Codex dijo que Codex lo tendrá.
Pero no es suficiente para afirmarlo como un hecho:
Astra = GPT-6
OpenAI aún no ha anunciado oficialmente ese nombre de producto.
Del mismo modo, entre las fuentes verificadas en este artículo, no hay información sobre una fecha de lanzamiento pública de Astra en Codex.
El único punto útil es que OpenAI tiene la intención de que Codex continúe siendo la interfaz de implementación para su próxima generación de modelos de vanguardia.
Lista de verificación de configuración rápida
- Asegúrate de que tu versión de Codex esté actualizada.
- Confirma que GPT-5.6 Sol esté disponible en tu cuenta.
- Abre
~/.codex/config.toml. - Agrega estos tres ajustes antes de cualquier encabezado de
[sección]. - Guarda el archivo.
- Reinicia Codex.
- Inicia una nueva sesión.
- Usa la ventana más grande solo para tareas que realmente se beneficien de ella.
- Supervisa el uso y la calidad del contexto durante sesiones extremadamente largas.
- Si el contexto adicional no mejora tu flujo de trabajo, elimina la anulación.
La configuración es la siguiente:
model = "gpt-5.6-sol"
model_context_window = 1000000
model_auto_compact_token_limit = 900000
Solo para una sesión CLI individual:
codex -m gpt-5.6-sol \
-c model_context_window=1000000 \
-c model_auto_compact_token_limit=900000
Preguntas frecuentes
¿GPT-5.6 Sol realmente admite una ventana de contexto de 1 millón de tokens?
Sí. La documentación oficial de la comunidad de Codex de OpenAI indica que GPT-5.6 Sol tiene una ventana de contexto de 1.050.000 tokens. La configuración de anulación de Codex que se muestra aquí establece el presupuesto de trabajo en 1.000.000 de tokens.
¿Dónde deben colocarse estos tres ajustes de Codex?
Colócalos en la parte superior de ~/.codex/config.toml, antes de cualquier encabezado de [sección]. También puedes usar un config.toml con alcance de proyecto en .codex/config.toml cuando desees que los ajustes se apliquen solo dentro de un repositorio específico.
¿Por qué model_auto_compact_token_limit está establecido en 900000?
Indica a Codex que comience la compactación automática del historial en aproximadamente 900.000 tokens. Esto deja un margen de unos 100.000 tokens dentro del presupuesto configurado de 1 millón para continuar usando herramientas, conversación, razonamiento y salida.
¿Debo habilitar el contexto de 1 millón permanentemente?
No necesariamente. Puedes pasar los mismos ajustes en una sola sesión CLI mediante el indicador -c. Esto es útil cuando solo unas pocas tareas excepcionalmente grandes requieren contexto extendido.
¿El contexto de 1 millón hará que GPT-5.6 Sol sea más preciso?
No automáticamente. OpenAI
en MRCR v2, reporta una precisión del 91,5 % con contexto de 256K–512K, y del 73,8 % en el rango de 512K–1M, lo que indica que, incluso cuando el modelo puede aceptar ese contexto, la calidad de la recuperación disminuye en los rangos más largos.
¿Habilitar el contexto de 1M consumirá más cuota de Codex?
Posiblemente. OpenAI indica que la configuración predeterminada está optimizada para rendimiento y costo, y el artículo de la fuente destaca informes de la comunidad de que las sesiones muy largas pueden agotar los límites más rápido. Consulta la documentación actual de uso y límites de velocidad de Codex, ya que la facturación específica puede cambiar.
¿La compactación automática es mejor que conservar el historial completo?
Generalmente sí. La compactación puede conservar el estado importante de rondas anteriores sin repetir cada registro original y cada resultado de herramienta. Para tareas que realmente necesitan detalles antiguos precisos, la opción de anulación de 1M le permite retrasar esa compactación.
¿Astra se llama oficialmente GPT-6?
No. OpenAI describe públicamente a Astra como un próximo modelo y su próximo modelo principal de nueva generación, mientras que Tibo Sottiaux ha indicado que Codex vendrá con Astra. OpenAI aún no ha anunciado oficialmente que el nombre de producto de Astra sea GPT-6.
Herramientas relacionadas
- Codex: el entorno de codificación agente de OpenAI, para flujos de trabajo en terminal, IDE, escritorio y nube.
- GPT-5.6 Sol: el modelo insignia GPT-5.6 de OpenAI, y el modelo utilizado en esta configuración de contexto de 1M.
- Codex CLI: la interfaz de Codex por línea de comandos para anular ajustes en cada sesión.
- Git: el control de versiones ayuda a almacenar el estado persistente del proyecto, en lugar de depender por completo de historiales de chat demasiado extensos.
- TOML: el formato de archivo de configuración utilizado por el
config.tomlde Codex.
Enlaces relacionados
- OpenAI: Contexto de 1M en Codex: documentación de la comunidad de OpenAI sobre la configuración exacta de GPT-5.6 Sol y la anulación por sesión CLI.
- Referencia de configuración de Codex: definiciones oficiales de
model,model_context_windowymodel_auto_compact_token_limit. - Conceptos básicos de configuración de Codex: guía oficial sobre archivos
config.tomla nivel de usuario y de proyecto. - Anuncio oficial de GPT-5.6: disponibilidad del modelo, pruebas comparativas, resultados de evaluaciones de contexto largo y posicionamiento actual de GPT-5.6.
- Precios y planes de Codex: información actual sobre planes y uso de Codex.
- Tarifa de Codex: guía actual sobre el consumo de créditos de Codex y los modelos compatibles.
- Declaración de OpenAI sobre las capacidades cibernéticas de Astra: confirmación oficial de que Astra es un próximo modelo.
- Comentario de Tibo Sottiaux sobre Astra en Codex: publicación pública que indica que Codex vendrá con Astra.
Resumen
Ahora es posible habilitar la ventana de contexto grande de GPT-5.6 Sol en Codex mediante el uso de la cuota de tu cuenta de ChatGPT, simplemente agregando tres ajustes de nivel superior en config.toml:
Selecciona el modelo, establece un presupuesto de 1.000.000 de tokens y activa la compactación automática al alcanzar los 900.000 tokens. La misma configuración puede aplicarse a una sola sesión CLI sin cambiar los ajustes predeterminados.
Esta función es útil para repositorios de código excepcionalmente grandes y flujos de trabajo de larga duración, pero no debe considerarse una actualización gratuita. OpenAI ajustó deliberadamente el contexto predeterminado de Codex para equilibrar rendimiento y costo, y sus propias evaluaciones muestran una disminución en el rendimiento de recuperación de contexto largo en el rango de 512K–1M.
El flujo de trabajo más seguro es el siguiente: usa la configuración predeterminada para tareas habituales y habilita el contexto de 1M solo cuando la compactación temprana realmente cause pérdida de información.
Una configuración de cobertura de tres líneas te da control sobre el presupuesto de contexto; pero no elimina las compensaciones de rendimiento, uso y recuperación que conlleva llevar consigo un millón de tokens.
