Comment activer la fenêtre de contexte d'un million de tokens pour GPT-5.6 Sol dans Codex

Introduction

Après authentification avec votre compte ChatGPT, GPT-5.6 Sol peut désormais utiliser un budget de contexte de 1 million de jetons dans Codex.

La configuration ne nécessite que trois lignes :

model = "gpt-5.6-sol"
model_context_window = 1000000
model_auto_compact_token_limit = 900000

Ajoutez ces paramètres en haut du fichier config.toml de Codex, redémarrez le client, puis lancez une nouvelle session.

Le point clé ne réside pas seulement dans des nombres plus grands. Le troisième paramètre laisse une marge d'environ 100 000 jetons et indique à Codex de commencer à compresser l'historique plus ancien à environ 900 000 jetons, plutôt que d'attendre que le contexte soit entièrement rempli.

OpenAI précise également clairement les compromis : la limite de contexte par défaut de Codex est finement réglée pour équilibrer performances et coûts. La fenêtre de 1 million vous offre davantage d'espace pour le code, les sorties d'outils et l'historique de conversation, mais elle consomme également plus de ressources et ne garantit pas une capacité de récupération aussi forte à l'extrémité de la fenêtre.

Les trois lignes de configuration pour activer le contexte de 1 million de GPT-5.6 Sol

La configuration de Codex publiée par OpenAI utilise précisément les trois paramètres de niveau supérieur suivants :

model = "gpt-5.6-sol"
model_context_window = 1000000
model_auto_compact_token_limit = 900000

Chaque ligne joue un rôle spécifique.

1. Sélectionner GPT-5.6 Sol

model = "gpt-5.6-sol"

Cela indique à Codex quel modèle utiliser dans la session.

GPT-5.6 Sol est le modèle phare de la famille GPT-5.6, avec une fenêtre de contexte suffisante pour répondre aux exigences de la configuration à 1 million.

1. Définir le budget de contexte de travail à 1 million de jetons

model_context_window = 1000000

La référence de configuration de Codex d'OpenAI définit model_context_window comme le nombre de jetons de la fenêtre de contexte disponible pour le modèle actif.

Ce paramètre de remplacement indique à Codex d'allouer un budget de 1 million de jetons, au lieu d'utiliser la valeur par défaut plus petite du produit.

Un budget plus important permet de conserver davantage d'éléments dans le contexte actif avant la compression :

• Code source.
• Fichiers du dépôt.
• Sorties d'outils.
• Journaux de terminal.
• Tours de conversation antérieurs.
• Notes de planification.
• Historique de l'agent.

Cela est particulièrement utile pour les travaux de longue durée sur des dépôts, lorsque l'agent doit récupérer à plusieurs reprises des détails d'étapes antérieures.

1. Déclencher la compression automatique à environ 900 000 jetons

model_auto_compact_token_limit = 900000

OpenAI définit ce paramètre comme le seuil de jetons déclenchant la compression automatique de l'historique.

À environ 900 000 jetons, Codex commence à compresser les éléments plus anciens, plutôt que de continuer à étendre l'historique actif jusqu'à épuisement de la limite complète de contexte.

Le comportement général est le suivant :

0 → 900 000 jetons
Expansion continue de l'historique actif

Environ 900 000 jetons
Début de la compression automatique

Jusqu'à 1 million de budget
Marge conservée pour le raisonnement continu et l'utilisation d'outils

Cet espace supplémentaire est important, car le modèle a toujours besoin de place pour les nouveaux messages, les résultats d'outils, le raisonnement et les sorties générées.

Placer les paramètres avant tout titre [section]

Ces trois paramètres doivent se trouver au niveau supérieur des

clés TOML.

Les instructions d'OpenAI exigent de les placer avant tout titre de section dans config.toml.

Une disposition valide se présente comme suit :

model = "gpt-5.6-sol"
model_context_window = 1000000
model_auto_compact_token_limit = 900000

[features]
# Autres paramètres ici

Veillez à ne pas les imbriquer accidentellement sous une autre section :

[features]
model = "gpt-5.6-sol"
model_context_window = 1000000
model_auto_compact_token_limit = 900000

Cela modifierait leur portée TOML et ne correspondrait pas à la méthode de configuration documentée.

Où Codex stocke config.toml

OpenAI documente l'emplacement du fichier de configuration au niveau utilisateur :

~/.codex/config.toml

Vous pouvez également utiliser un fichier au niveau du projet :

.codex/config.toml

placé dans le dépôt ou un sous-répertoire, lorsque vous souhaitez que ces paramètres s'appliquent uniquement à ce projet spécifique.

Après avoir modifié la configuration :

1. Enregistrez config.toml.
2. Redémarrez le client Codex.
3. Lancez une nouvelle session.

Les nouveaux paramètres de contexte devraient alors s'appliquer à cette session.

Utiliser le contexte de 1 M uniquement pour une session CLI individuelle

Vous n'êtes pas obligé de modifier définitivement les paramètres par défaut.

OpenAI documente également une forme CLI par session :

codex -m gpt-5.6-sol \
-c model_context_window=1000000 \
-c model_auto_compact_token_limit=900000

Cela est très utile lorsque vous préférez généralement le comportement de contexte par défaut de Codex, mais que vous avez besoin ponctuellement de davantage d'espace pour des dépôts particulièrement volumineux ou des tâches de longue durée.

Une fois cette session CLI terminée, votre configuration normale reste inchangée.

Un flux de travail pratique consiste à :

Tâches normales
→ Utiliser les valeurs par défaut de Codex

Tâches exceptionnellement volumineuses
→ Lancer une session CLI avec un contexte de 1 M

Cela est généralement plus facile à gérer que de faire utiliser la fenêtre maximale à chaque tâche Codex.

Pourquoi le contexte de 1 M n'est-il pas la valeur par défaut ?

GPT-5.6 Sol prend déjà en charge une fenêtre de contexte très étendue.

La limite ne provient pas d'un manque de capacité du modèle.

Codex utilise une valeur par défaut plus petite car le produit est optimisé selon un équilibre entre :

• Les performances.
• La latence.
• L'utilisation des ressources.
• La fiabilité des sessions longues.
• Le comportement de compression.

Le message officiel de la communauté OpenAI indique que la limite de contexte par défaut a été finement ajustée pour les performances et le coût.

Une fenêtre plus large permet à Codex de conserver davantage de matériel brut, mais chaque élément d'historique supplémentaire augmente la quantité de contexte que le système doit gérer lors des tours ultérieurs.

Pour un agent fonctionnant pendant des heures, « tout conserver mot pour mot indéfiniment » n'est pas automatiquement la meilleure stratégie.

La compression automatique fait partie de la conception par défaut

À mesure que la session s'allonge, Codex peut résumer l'historique plus ancien.

Cela rapproche les agents de longue durée de :

Détails récents
+
Historique compressé
+
État persistant important

plutôt que :

Chaque jeton de toute la session
renvoyé indéfiniment

Le chercheur d'OpenAI Noam Brown a publiquement souligné cette approche, indiquant que l'entreprise investit massivement pour rendre la compression automatique aussi proche que possible d'une expérience fluide, tout en conservant le 1 M pour ceux qui en ont réellement besoin.

Options.

La compression est particulièrement utile lorsque

les traces d'outils anciennes contiennent beaucoup d'informations qu'il n'est plus nécessaire de conserver mot pour mot.

Par exemple :

• d'anciens journaux de test.
• des sorties de compilation.
• des résultats de recherche antérieurs.
• des plans d'implémentation déjà remplacés.
• des sorties de terminal répétées.

Un bon résumé peut préserver l'état important sans forcer le modèle à retraiter chaque ancien jeton.

Utiliser la fenêtre de 1M avec prudence

La deuxième grande section de l'article source est essentiellement un avertissement : ce n'est pas parce que Codex peut utiliser un contexte de 1M que chaque session doit le faire.

Un article de la communauté recommande fortement aux utilisateurs de ne pas activer le paramètre de dépassement par défaut, estimant que Codex donne le meilleur de lui-même avec les paramètres par défaut ajustés, et que l'utilisation d'un contexte très long consomme plus rapidement le crédit du compte.

Le multiple exact de consommation peut dépendre de la stratégie produit actuelle et du comportement des forfaits. Il convient donc de consulter la documentation la plus récente d'OpenAI sur la tarification et les limites de débit de Codex, plutôt que de supposer un chiffre fixe.

L'avertissement plus large est raisonnable :

Un contexte actif plus important signifie généralement que davantage de jetons doivent être transportés lors des tours suivants.

Pour un agent de codage exécuté sur une longue période, cela peut rapidement devenir coûteux.

Une fenêtre de 1M ne signifie pas que 1M de jetons sont également exploitables

Le modèle peut techniquement accepter de longs contextes, mais sa précision peut diminuer lorsqu'il s'agit de retrouver des informations profondément enfouies.

Les résultats de long contexte de GPT-5.6 d'OpenAI illustrent ce point.

Le modèle reste performant avec un contexte très long, mais ses performances ne sont pas uniformes sur toute la plage.

C'est pourquoi « fenêtre de contexte plus grande » et « meilleure utilisation du contexte » doivent être considérées comme deux concepts distincts.

La fenêtre de 1M répond à la question :

Combien de contenu le système peut-il contenir ?

Elle ne répond pas automatiquement à la question :

Le modèle peut-il utiliser de manière fiable chaque détail à chaque position ?

Quand un contexte de 1M a du sens

Le paramètre de dépassement est le plus utile lorsque vous avez réellement des raisons de conserver une quantité exceptionnellement importante d'informations brutes actives.

Par exemple :

Refactorisation d'une grande base de code

Une tâche peut impliquer simultanément de nombreux packages, interfaces, tests et fichiers de configuration.

Conserver davantage de code en contexte réduit la nécessité de re-découvertes répétées.

Longues sessions de débogage

Un problème de production épineux peut impliquer :

• des journaux historiques.
• plusieurs hypothèses erronées.
• plusieurs modifications de code.
• des résultats de tests.
• des détails d'environnement.

Une fenêtre plus grande permet de conserver davantage de ces éléments avant la compression.

Migrations importantes

Une migration de framework ou d'API exige souvent que l'agent suive les modifications dans plusieurs fichiers et se souvienne des décisions antérieures.

Recherche et mise en œuvre en plusieurs phases

Certaines tâches impliquent :

Recherche
→ Proposition d'architecture
→ Implémentation
→ Tests
→ Révision
→ Ajustements

Un budget de contexte plus grand peut réduire la probabilité que les sources initiales soient trop résumées avant les phases ultérieures.

Tâches avec un volume important de sorties d'outils

Si l'agent doit examiner de

grands rapports générés, des graphes de dépendances ou des sorties structurées d'outils, l'espace supplémentaire peut être utile.

Quand les paramètres par défaut sont plus adaptés

Pour la plupart des tâches de codage quotidiennes, les paramètres par défaut sont probablement un meilleur choix.

Cela inclut :

• corriger un bug.
• modifier quelques fichiers.
• ajouter une petite fonctionnalité.
• écrire des tests.
• examiner une demande de tirage.
• mettre à jour la documentation.
• effectuer de courtes tâches de recherche.

Dans ces cas, la fenêtre de contexte de 1M peut augmenter la consommation sans apporter un bénéfice pratique suffisant pour la justifier.

La recommandation d'OpenAI n'est pas « n'utilisez jamais le 1M ».

Elle est plus proche de :

Sauf si la tâche nécessite réellement davantage de contexte brut,
utilisez les paramètres par défaut ajustés.

Une règle de décision pratique

Avant d'activer le contexte de 1M, demandez-vous :

Codex va-t-il perdre des informations parce que la compression survient trop tôt ?

Si la réponse est non, laissez les paramètres par défaut inchangés.

Si la réponse est oui, posez une deuxième question :

Le fait de conserver davantage d'historique brut améliorera-t-il substantiellement cette tâche ?

Ce n'est qu'alors que le paramètre de dépassement de 1M mérite d'être essayé.

Cela permet de distinguer un véritable problème de contexte d'une simple envie générale de maximiser chaque paramètre.

Surveillez vos sessions, n'attendez pas 900K

Le seuil de compression automatique de 900K est une marge de sécurité, pas un objectif à atteindre.

Un flux de travail sain peut toujours diviser des tâches très longues en sessions logiquement cohérentes.

Par exemple :

Session 1
Recherche et architecture

Session 2
Implémentation

Session 3
Tests et nettoyage

À la fin de chaque étape, conservez l'état persistant du projet dans :

• les fichiers du dépôt.
• les notes de problème.
• les plans.
• les tests.
• la documentation.
• le contrôle de version.

Ainsi, la session suivante n'a pas besoin de s'appuyer entièrement sur l'historique de la conversation.

Cela rend également le travail plus reproductible pour les humains.

Ne traitez pas la fenêtre de contexte comme un stockage

Le contexte est une mémoire de travail temporaire.

Il ne remplace pas :

• Git.
• la documentation.
• le suivi des problèmes.
• les suites de tests.
• les plans de projet.
• la mémoire persistante.
• les données structurées.

Si une décision importante doit rester cruciale demain, enregistrez-la dans un endroit persistant.

Les meilleurs flux de travail d'agent à long terme combinent une puissante fenêtre de contexte avec des artefacts de projet persistants, plutôt que de s'appuyer sur un enregistrement complet unique et massif.

L'avertissement du « doublement de la vitesse » dans l'article source

L'article source met en avant un avertissement de la communauté : une fois qu'une session dépasse le budget de contexte par défaut, la consommation de crédit de Codex peut environ doubler.

Cet avertissement a été publiquement amplifié dans les discussions communautaires.

Cependant, les règles d'utilisation du produit peuvent changer, et la configuration actuelle de GPT-5.6 en 1M publiée par OpenAI, décrite dans trois lignes d'instructions, ne définit pas une règle universelle de facteur 2.

Par conséquent, la recommandation la plus sûre est la suivante :

1. Prévoyez qu'une session à grand contexte consomme davantage de crédit.
2. Surveillez l'indicateur d'utilisation de Codex dans votre forfait.
3. Consultez la documentation actuelle d'OpenAI sur la tarification et les limites de débit.
4. Ne supposez pas que ce facteur reste constant entre les modèles, les forfaits ou les futures versions.

Le fait opérationnel important est la direction de la courbe de coût, et non un facteur permanent.

Le paramètre 1M désormais disponible avec les comptes ChatGPT

Le changement qui déclenche l'article source

n'est pas l'existence de la grande fenêtre de contexte de GPT-5.6 Sol.

C'est l'accès à la configuration pour les sessions Codex vérifiées via un compte ChatGPT.

L'annonce de Tibo Sottiaux indique que cette configuration n'était auparavant disponible que pour une utilisation via clé API, et qu'OpenAI l'a désormais également activée pour les comptes ChatGPT.

Cela rend la fonctionnalité accessible à une base d'utilisateurs Codex plus large, sans avoir à passer par un processus séparé de clé API.

Votre accès effectif dépend toujours de la disponibilité du modèle Codex et des limitations associées à votre forfait ChatGPT actuel.

Encore une chose : Astra devrait arriver dans Codex

La fin de l'article source contient une brève mise à jour de Tibo Sottiaux.

Dans le post public décrivant Codex, il note que Codex « aura Astra ».

OpenAI a par ailleurs confirmé qu'Astra est un modèle à venir, qualifiant en interne sa version en cours de développement de prochain modèle majeur.

Cela suffit à appuyer l'affirmation suivante :

Astra est le modèle à venir d'OpenAI,
et le responsable de Codex a déclaré que Codex en bénéficiera.

Mais cela ne suffit pas à en faire une déclaration factuelle :

Astra = GPT-6

OpenAI n'a pas encore officiellement annoncé ce nom de produit.

De même, parmi les sources vérifiées dans cet article, aucune ne mentionne de date de sortie publique d'Astra dans Codex.

Le seul point utile est qu'OpenAI a l'intention de faire de Codex l'interface de déploiement continue de sa prochaine génération de modèles de pointe.

Liste de contrôle pour une configuration rapide

1. Assurez-vous que votre version de Codex est à jour.
2. Vérifiez que GPT-5.6 Sol est disponible sur votre compte.
3. Ouvrez ~/.codex/config.toml.
4. Ajoutez ces trois paramètres avant tout titre [section].
5. Enregistrez le fichier.
6. Redémarrez Codex.
7. Commencez une nouvelle session.
8. Réservez la fenêtre contextuelle plus grande uniquement aux tâches qui en bénéficient réellement.
9. Surveillez l'utilisation et la qualité du contexte pendant les sessions très longues.
10. Si le contexte supplémentaire n'améliore pas votre flux de travail, supprimez ce paramètre de remplacement.

La configuration est la suivante :

model = "gpt-5.6-sol"
model_context_window = 1000000
model_auto_compact_token_limit = 900000

Pour une seule session CLI uniquement :

codex -m gpt-5.6-sol \
-c model_context_window=1000000 \
-c model_auto_compact_token_limit=900000

Questions fréquentes

GPT-5.6 Sol prend-il réellement en charge une fenêtre de contexte de 1 million de tokens ?

Oui. La documentation officielle de la communauté Codex d'OpenAI indique que GPT-5.6 Sol dispose d'une fenêtre de contexte de 1 050 000 tokens. Le paramètre de remplacement de Codex présenté ici fixe le budget de travail à 1 000 000 de tokens.

Où placer ces trois paramètres de Codex ?

Placez-les en haut du fichier ~/.codex/config.toml, avant tout titre [section]. Vous pouvez également utiliser un fichier .codex/config.toml à portée de projet lorsque vous souhaitez que les paramètres s'appliquent uniquement à un référentiel.

Pourquoi model_auto_compact_token_limit est-il défini sur 900000 ?

Il indique à Codex de commencer la compression automatique de l'historique à environ 900 000 tokens. Cela laisse environ 100 000 tokens dans le budget configuré de 1 million pour continuer à utiliser les outils, la conversation, le raisonnement et la sortie.

Dois-je activer le contexte de 1 million en permanence ?

Non. Vous pouvez transmettre les mêmes paramètres dans une seule session CLI à l'aide de l'option -c. Cela est utile lorsque seules quelques tâches exceptionnellement volumineuses nécessitent un contexte étendu.

Le contexte de 1 million rend-il GPT-5.6 Sol plus précis ?

Pas automatiquement. OpenAI

sur MRCR v2, une précision de 91,5 % est rapportée pour un contexte de 256K à 512K, et de 73,8 % pour 512K à 1M, ce qui indique que même si le modèle peut accepter ce contexte, la qualité de la récupération diminue dans les plages les plus longues.

Activer le contexte de 1M consomme-t-il plus de quota Codex ?

C'est possible. OpenAI indique que les paramètres par défaut sont optimisés pour les performances et le coût, et l'article source souligne que des rapports de la communauté indiquent que les sessions très longues peuvent épuiser le quota plus rapidement. Consultez la documentation actuelle sur l'utilisation et les limites de débit de Codex, car la facturation exacte peut varier.

La compression automatique est-elle meilleure que de conserver l'historique complet ?

Généralement, oui. La compression permet de conserver l'état important des tours précédents sans répéter chaque journal brut et chaque résultat d'outil. Pour les tâches qui nécessitent réellement des détails anciens précis, l'option de remplacement à 1M vous permet de retarder cette compression.

Astra est-elle officiellement nommée GPT-6 ?

Non. OpenAI décrit publiquement Astra comme un modèle à venir et son prochain grand modèle majeur, tandis que Tibo Sottiaux a déclaré que Codex sera équipé d'Astra. OpenAI n'a pas encore officiellement annoncé que le nom du produit Astra est GPT-6.

Outils associés

• Codex : l'environnement de codage intelligent d'OpenAI pour les flux de travail en terminal, IDE, bureau et cloud.
• GPT-5.6 Sol : le modèle phare GPT-5.6 d'OpenAI, et le modèle utilisé pour cette configuration de contexte à 1M.
• Codex CLI : l'interface de ligne de commande Codex pour les remplacements par session.
• Git : le contrôle de version aide à stocker l'état persistant du projet plutôt que de dépendre entièrement d'un historique de chat excessivement long.
• TOML : le format de fichier de configuration utilisé par le config.toml de Codex.

Liens associés

• OpenAI : contexte de 1M dans Codex : documentation communautaire d'OpenAI sur la configuration exacte de GPT-5.6 Sol et les remplacements CLI pour une seule session.
• Référence de configuration Codex : définitions officielles de model, model_context_window et model_auto_compact_token_limit.
• Bases de la configuration Codex : guide officiel sur les fichiers config.toml au niveau utilisateur et au niveau projet.
• Annonce officielle de GPT-5.6 : disponibilité du modèle, benchmarks, résultats d'évaluation du contexte long et positionnement actuel de GPT-5.6.
• Tarifs et forfaits Codex : informations actuelles sur les forfaits et l'utilisation de Codex.
• Barème des tarifs Codex : guide actuel sur la consommation de crédits Codex et les modèles pris en charge.
• Déclaration d'OpenAI sur les capacités cybernétiques d'Astra : confirmation officielle qu'Astra est un modèle à venir.
• Déclaration de Tibo Sottiaux sur Astra dans Codex : publication publique indiquant que Codex sera équipé d'Astra.

Résumé

Il est désormais possible d'activer la grande fenêtre de contexte de GPT-5.6 Sol dans Codex grâce à l'utilisation du compte ChatGPT en ajoutant trois paramètres de niveau supérieur dans config.toml :

Choisissez le modèle, définissez un budget de 1 000 000 de tokens et déclenchez la compression automatique à 900 000 tokens. La même configuration peut être appliquée à une seule session CLI sans modifier les paramètres par défaut.

Cette fonctionnalité est utile pour les bases de code exceptionnellement volumineuses et les flux de travail de longue durée, mais elle ne doit pas être considérée comme une mise à niveau gratuite. OpenAI a délibérément réglé le contexte par défaut de Codex pour équilibrer les performances et le coût, et ses propres évaluations montrent une baisse des performances de récupération dans la plage 512K-1M.

Le flux de travail le plus sûr est le suivant : utilisez les paramètres par défaut pour les tâches courantes, et n'activez le 1M que lorsque la compression précoce entraîne réellement une perte d'informations.

Une configuration de couverture en trois lignes vous donne le contrôle du budget contextuel ; mais elle n'élimine pas les compromis en matière de performances, d'utilisation et de récupération qui accompagnent le transport de jetons à l'échelle du million.