Как включить контекстное окно на 1 миллион токенов для GPT-5.6 Sol в Codex

Введение

После авторизации через учётную запись ChatGPT, GPT-5.6 Sol теперь может использовать бюджет контекста в 1 миллион токенов в Codex.

Настройка занимает всего три строки:

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

Добавьте эти параметры в верхний уровень config.toml в Codex, перезапустите клиент и начните новый сеанс.

Ключевой момент — не только в больших числах. Третий параметр оставляет запас примерно в 100 тысяч токенов и сообщает Codex, что нужно начинать сжатие более старых записей примерно на отметке 900 тысяч токенов, а не ждать полного заполнения контекста.

OpenAI также абсолютно чётко обозначила компромиссы: стандартное ограничение контекста в Codex тщательно настроено для баланса производительности и стоимости. Окно на 1 миллион даёт вам больше пространства для кода, вывода инструментов и истории диалога, но также потребляет больше ресурсов и не гарантирует такой же надёжности извлечения информации на дальнем конце окна.

Три строки конфигурации для включения контекста на 1 миллион токенов GPT-5.6 Sol

Опубликованная OpenAI конфигурация Codex использует ровно следующие три параметра верхнего уровня:

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

Каждая строка выполняет свою функцию.

1. Выбор GPT-5.6 Sol

model = "gpt-5.6-sol"

Эта строка указывает Codex, какую модель использовать в сеансе.

GPT-5.6 Sol — это флагманская модель в семействе GPT-5.6, поддерживающая окно контекста, достаточное для конфигурации на 1 миллион токенов.

1. Установка рабочего бюджета контекста на 1 миллион токенов

model_context_window = 1000000

В справочнике конфигурации Codex от OpenAI параметр model_context_window определяется как количество токенов окна контекста, доступного активной модели.

Этот параметр переопределения указывает Codex выделить бюджет в 1 миллион токенов вместо меньшего значения по умолчанию.

Больший бюджет позволяет сохранить в активном контексте до сжатия следующее:

• Исходный код.
• Файлы репозитория.
• Вывод инструментов.
• Журналы терминала.
• Более ранние раунды диалога.
• Заметки о планировании.
• Историю агента.

Это особенно полезно для длительных задач в репозитории, когда агенту требуется повторно обращаться к деталям ранних этапов.

1. Начало автоматического сжатия на отметке около 900 тысяч токенов

model_auto_compact_token_limit = 900000

OpenAI определяет этот параметр как порог токенов, запускающий автоматическое сжатие истории.

Примерно на отметке 900 тысяч токенов Codex начинает сжимать более ранние материалы, а не продолжает расширять активную историю до полного исчерпания лимита контекста.

Примерное поведение выглядит так:

0 → 900 тысяч токенов
Постоянное расширение активной истории

Около 900 тысяч токенов
Начало автоматического сжатия

Бюджет до 1 миллиона
Запас для дальнейших рассуждений и работы с инструментами

Дополнительное пространство важно, поскольку модели всё ещё нужно место для новых сообщений, результатов инструментов, рассуждений и генерируемого вывода.

Размещение параметров перед любыми заголовками [section]

Все три параметра должны находиться на верхнем уровне

ключей TOML.

Инструкции OpenAI требуют размещать их перед любыми заголовками разделов в config.toml.

Допустимая структура выглядит так:

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

[features]
# остальные параметры здесь

Не вкладывайте их случайно внутрь других разделов:

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

Это изменит их область действия TOML и не соответствует документированному способу настройки.

Где Codex хранит config.toml

OpenAI документировал расположение пользовательского файла конфигурации:

~/.codex/config.toml

Вы также можете использовать файл уровня проекта:

.codex/config.toml

Размещённый в репозитории или подкаталоге, он используется, когда вы хотите применить настройки только к этому конкретному проекту.

После редактирования конфигурации:

1. Сохраните config.toml.
2. Перезапустите клиент Codex.
3. Начните новый сеанс.

После этого новые параметры контекста должны применяться к данному сеансу.

Использование контекста на 1 миллион токенов только для отдельного CLI-сеанса

Вам не обязательно менять настройки по умолчанию навсегда.

OpenAI также документировал форму для отдельного сеанса CLI:

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

Это полезно, когда вы обычно предпочитаете стандартное поведение контекста Codex, но изредка нуждаетесь в дополнительном пространстве для особенно больших репозиториев или длительных задач.

После завершения этого CLI-сеанса ваша обычная конфигурация остаётся без изменений.

Практичный рабочий процесс:

Обычные задачи
→ Использование значений Codex по умолчанию

Необычно большие задачи
→ Запуск CLI-сеанса с контекстом на 1 миллион

Обычно это проще, чем заставлять каждую задачу Codex использовать максимальное окно.

Почему контекст на 1 миллион не используется по умолчанию?

GPT-5.6 Sol уже поддерживает очень большое окно контекста.

Ограничение связано не только с отсутствием возможностей модели.

Codex использует меньшие значения по умолчанию, потому что продукт настроен на баланс между:

• Производительностью.
• Задержкой.
• Расходом ресурсов.
• Надёжностью длительных сеансов.
• Поведением при сжатии.

Официальное сообщение сообщества OpenAI гласит, что стандартные ограничения контекста тщательно настроены для достижения баланса производительности и стоимости.

Большее окно позволяет Codex сохранять больше исходного материала, но каждый дополнительный фрагмент истории увеличивает объём контекста, который системе необходимо обрабатывать в последующих раундах.

Для агента, работающего несколько часов, «хранить всё дословно вечно» не обязательно является оптимальной стратегией.

Автоматическое сжатие — часть базовой конструкции

По мере роста сеанса Codex может обобщать более старую историю.

Это приближает длительные сеансы агента к следующему сценарию:

Последние детали
+
Сжатая история
+
Важное постоянное состояние

Вместо:

Каждый токен всего сеанса
пересылается заново всегда

Исследователь OpenAI Ноам Браун публично подчеркнул этот подход, отметив, что компания вкладывает значительные средства в то, чтобы сделать автоматическое сжатие максимально бесшовным, сохраняя при этом возможность работы с 1 миллионом для тех, кому это действительно необходимо.

Вариант.

Сжатие особенно полезно, когда

в следах работы старых инструментов содержится много информации, которую больше не нужно сохранять дословно.

Например:

• старые журналы тестирования;
• выходные данные сборки;
• ранние результаты поиска;
• заменённые планы реализации;
• повторяющийся вывод терминала.

Хорошая сводка позволяет сохранить важное состояние, не заставляя модель многократно обрабатывать каждый старый токен.

Осторожно с окном в 1 млн токенов

Второй крупный раздел исходной статьи — это, по сути, предупреждение: тот факт, что Codex может использовать контекст в 1 млн токенов, не означает, что каждый сеанс должен его использовать.

Один из постов в сообществе настоятельно рекомендует пользователям не включать эту настройку по умолчанию, утверждая, что Codex работает лучше всего с настроенными параметрами по умолчанию, а использование сверхдлинного контекста быстрее расходует квоту аккаунта.

Точный коэффициент расхода может зависеть от текущей продуктовой стратегии и тарифного плана, поэтому обращайтесь к актуальной документации OpenAI по ценообразованию и лимитам Codex, а не предполагайте фиксированную цифру.

Более широкое предупреждение вполне обоснованно:

Больше активного контекста обычно означает, что в последующих раундах придётся переносить больше токенов.

Для долго работающего кодирующего агента это может быстро стать дорого.

Окно в 1 млн токенов не означает, что все 1 млн токенов одинаково доступны

Модель технически способна принимать длинные промпты, но точность поиска глубоко спрятанной в них информации может снижаться.

Результаты длинноконтекстных тестов собственной модели OpenAI GPT-5.6 это наглядно показывают.

Модель остаётся способной при сверхдлинном контексте, но производительность не является стабильной на всём диапазоне.

Именно поэтому «большее окно контекста» и «лучшее использование контекста» следует рассматривать как два отдельных понятия.

Окно в 1 млн отвечает на вопрос:

Сколько содержимого может вместить система?

Но оно не отвечает автоматически на вопрос:

Может ли модель надёжно использовать каждую деталь в каждой позиции?

Когда окно в 1 млн имеет смысл

Настройка наиболее полезна, когда у вас действительно есть причина держать аномально большой объём исходной информации в активном состоянии.

Например:

Рефакторинг крупной кодовой базы

Задача может одновременно затрагивать множество пакетов, интерфейсов, тестов и конфигурационных файлов.

Больше кода в контексте означает меньше повторных обращений к его поиску.

Длительная отладка

Сложная производственная проблема может включать:

• исторические журналы;
• несколько опровергнутых гипотез;
• несколько изменений кода;
• результаты тестов;
• детали окружения.

Большее окно позволяет сохранить больше этих доказательств до момента сжатия.

Крупные миграции

Миграция фреймворка или API часто требует, чтобы агент отслеживал изменения в нескольких файлах и помнил ранние решения.

Многоэтапное исследование и реализация

Некоторые задачи включают:

исследование
→ архитектурное решение
→ реализация
→ тестирование
→ ревью
→ доработка

Больший бюджет контекста снижает вероятность того, что ранние исходные материалы будут излишне сжаты до наступления поздних этапов.

Задачи с большим объёмом вывода инструментов

Если агент должен проверять

большие сгенерированные отчёты, графы зависимостей или структурированный вывод инструментов, дополнительное пространство может быть полезно.

Когда настройки по умолчанию лучше

Для большинства повседневных задач кодинга настройки по умолчанию, вероятно, будут лучшим выбором.

Примеры включают:

• исправление ошибки;
• редактирование нескольких файлов;
• добавление небольшой функции;
• написание тестов;
• ревью пул-реквеста;
• обновление документации;
• выполнение коротких исследовательских задач.

В этих случаях окно в 1 млн может увеличить расход токенов, не принося достаточной практической пользы, чтобы оправдать затраты.

Рекомендация OpenAI — не «никогда не использовать 1 млн».

Ближе к сути звучит так:

Если задача действительно не требует большего исходного контекста,
используйте настроенные параметры по умолчанию.

Практическое правило для принятия решения

Прежде чем включать окно в 1 млн, спросите себя:

Потеряет ли Codex информацию из-за того, что сжатие произойдёт слишком рано?

Если ответ «нет» — оставьте настройки по умолчанию.

Если ответ «да», задайте второй вопрос:

Существенно ли улучшит эту задачу сохранение большего объёма исходной истории?

Только тогда настройку 1 млн стоит попробовать.

Это помогает отличить реальные проблемы с контекстом от общего желания просто максимально использовать каждую настройку.

Следите за своим сеансом, а не ждите 900K

Порог автоматического сжатия в 900K — это запас прочности, а не цель, к которой нужно стремиться.

Здоровый рабочий процесс может по-прежнему разбивать очень длинные задачи на логически завершённые сеансы.

Например:

Сеанс 1
Исследование и архитектура

Сеанс 2
Реализация

Сеанс 3
Тестирование и очистка

В конце каждого этапа сохраняйте сохраняемое состояние проекта в:

• файлах репозитория;
• заметках к задаче;
• планах;
• тестах;
• документации;
• системе контроля версий.

Тогда следующему сеансу не придётся полностью полагаться на историю чата.

Это также делает работу более воспроизводимой для человека.

Не используйте окно контекста как хранилище

Контекст — это временная рабочая память.

Он не заменяет:

• Git;
• документацию;
• трекер задач;
• наборы тестов;
• планы проекта;
• постоянную память;
• структурированные данные.

Если важное решение останется критичным и завтра — сохраните его в постоянном месте.

Лучшие долгосрочные рабочие процессы для агентов сочетают мощное окно контекста с постоянными артефактами проекта, а не полагаются на одну гигантскую запись всего.

Предупреждение из исходной статьи о «двойной скорости»

В исходной статье подчёркивается предупреждение сообщества: как только сеанс выходит за пределы стандартного бюджета контекста, расход квоты Codex может примерно удвоиться.

Это предупреждение открыто усиливается в обсуждениях сообщества.

Однако правила использования продукта могут меняться, и в текущем объявлении OpenAI о конфигурации GPT-5.6 с 1M в трёх строках настроек не зафиксировано универсального правила «×2».

Поэтому самая безопасная рекомендация:

1. Ожидайте, что сеансы с большим контекстом будут расходовать больше квоты.
2. Следите за индикатором использования Codex в вашем тарифе.
3. Проверяйте актуальную документацию OpenAI по ценам и лимитам.
4. Не предполагайте, что этот коэффициент останется неизменным для разных моделей, тарифов или будущих версий.

Важный операционный факт — это направление кривой затрат, а не какой-то постоянный коэффициент.

Настройка 1M теперь доступна через аккаунт ChatGPT

Причина, по которой стало возможным это изменение,

не в самом факте существования большого окна контекста GPT-5.6 Sol.

Она в доступе через сеансы Codex, авторизованные с помощью аккаунта ChatGPT.

В анонсе Tibo Sottiaux говорится, что ранее эта конфигурация была доступна только для использования через API-ключ, и OpenAI теперь также открыла её для аккаунтов ChatGPT.

Это делает функцию доступной для более широкого круга пользователей Codex, без необходимости отдельно оформлять API-ключ.

Ваш фактический доступ по-прежнему зависит от доступности модели Codex и ограничений, действующих в вашем текущем тарифе ChatGPT.

Ещё один момент: ожидается, что Astra появится в Codex

В конце исходной статьи есть короткое обновление от Tibo Sottiaux.

В своём публичном посте, описывающем Codex, он добавил примечание, что Codex «получит Astra».

OpenAI отдельно подтвердила, что Astra — это будущая модель, и назвала её внутреннюю версию своей следующей основной моделью.

Этого достаточно для утверждения:

Astra — это будущая модель OpenAI,
и руководитель Codex заявил, что Codex получит её.

Но этого недостаточно, чтобы утверждать как факт:

Astra = GPT-6

OpenAI официально не раскрывала это название продукта.

Аналогичным образом, в источниках, проверенных в этой статье, нет информации о публичной дате выпуска Astra в Codex.

Полезно отметить лишь то, что OpenAI намерена продолжать использовать Codex в качестве интерфейса развёртывания для своего следующего поколения前沿-моделей.

Краткий чек-лист настройки

1. Убедитесь, что ваша версия Codex актуальна.
2. Подтвердите, что в вашей учётной записи доступна модель GPT-5.6 Sol.
3. Откройте файл ~/.codex/config.toml.
4. Добавьте эти три настройки перед любым заголовком [section].
5. Сохраните файл.
6. Перезапустите Codex.
7. Начните новую сессию.
8. Используйте расширенное окно контекста только для задач, которые действительно выигрывают от него.
9. Следите за использованием и качеством контекста во время сверхдлинных сессий.
10. Если дополнительный контекст не улучшает ваш рабочий процесс, удалите переопределение.

Конфигурация выглядит так:

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

Только для отдельной CLI-сессии:

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

Часто задаваемые вопросы

Действительно ли GPT-5.6 Sol поддерживает окно контекста в 1 миллион токенов?

Да. В официальной документации сообщества Codex от OpenAI указано, что окно контекста GPT-5.6 Sol составляет 1 050 000 токенов. Показанная здесь настройка Codex устанавливает рабочий бюджет в 1 000 000 токенов.

Куда следует поместить эти три настройки Codex?

Поместите их на верхний уровень файла ~/.codex/config.toml, перед любым заголовком [section]. Также можно использовать проектный файл .codex/config.toml, если вы хотите применить настройки только внутри конкретного репозитория.

Почему model_auto_compact_token_limit установлен на 900000?

Это значение указывает Codex начинать автоматическое сжатие истории примерно на 900 000 токенов. Это оставляет около 100 000 токенов в пределах настроенного бюджета в 1 миллион для продолжения использования инструментов, диалога, рассуждений и вывода.

Обязательно ли навсегда включать контекст в 1 миллион?

Нет. Вы можете передать те же настройки в отдельной CLI-сессии с помощью флага -c. Это полезно, когда расширенный контекст нужен лишь для нескольких исключительно больших задач.

Сделает ли контекст в 1 миллион модель GPT-5.6 Sol точнее?

Не автоматически. OpenAI

сообщает точность 91,5% при контексте 256K–512K и 73,8% при 512K–1M на MRCR v2, что указывает на то, что качество поиска снижается на самых длинных диапазонах, даже если модель способна принимать такой контекст.

Расходует ли включение контекста в 1M больше квоты Codex?

Возможно. OpenAI заявляет, что настройки по умолчанию оптимизированы для производительности и стоимости, а в исходной статье подчёркиваются сообщения сообщества о том, что очень длинные сессии могут быстрее расходовать лимиты. Ознакомьтесь с актуальной документацией по использованию и ограничениям Codex, поскольку конкретный порядок расчёта может меняться.

Лучше ли автоматическое сжатие, чем сохранение полной истории?

Обычно да. Сжатие позволяет сохранить важное состояние ранних раундов без повторного переноса каждого исходного журнала и результата инструмента. Для задач, в которых действительно требуются точные старые детали, вариант с контекстом 1M позволяет отложить такое сжатие.

Является ли Astra официально названной GPT-6?

Нет. OpenAI публично описывает Astra как предстоящую модель и своё следующее поколение основной модели, а Тибо Соттьо заявил, что Codex будет оснащён Astra. OpenAI официально не объявляла, что продукт Astra будет называться GPT-6.

Связанные инструменты

• Codex: агентная среда программирования от OpenAI для терминала, IDE, рабочего стола и облачных рабочих процессов.
• GPT-5.6 Sol: флагманская модель GPT-5.6 от OpenAI, используемая в данной конфигурации контекста 1M.
• Codex CLI: интерфейс командной строки Codex для переопределения настроек в каждой сессии.
• Git: система контроля версий, которая помогает хранить устойчивое состояние проекта, а не полагаться полностью на чрезмерно большие истории чата.
• TOML: формат файла конфигурации, используемый файлом config.toml Codex.

Связанные ссылки

• OpenAI: контекст 1M в Codex: документация сообщества OpenAI о точной конфигурации GPT-5.6 Sol и переопределении для одной CLI-сессии.
• Справочник по конфигурации Codex: официальные определения model, model_context_window и model_auto_compact_token_limit.
• Основы конфигурации Codex: официальное руководство по файлам config.toml на уровне пользователя и проекта.
• Официальное объявление GPT-5.6: доступность модели, бенчмарки, результаты оценки длинного контекста и текущее позиционирование GPT-5.6.
• Цены и тарифы Codex: текущая информация о тарифах и использовании Codex.
• Тарифная карта Codex: актуальное руководство по расходу кредитов Codex и поддерживаемым моделям.
• Заявление OpenAI о сетевых возможностях Astra: официальное подтверждение того, что Astra — предстоящая модель.
• Сообщение Тибо Соттьо об Astra в Codex: публичное сообщение о том, что Codex будет оснащён Astra.

Резюме

Теперь в Codex можно включить большое окно контекста GPT-5.6 Sol с использованием квоты учётной записи ChatGPT, добавив три настройки верхнего уровня в config.toml:

выберите модель, установите бюджет в 1 000 000 токенов и включите автоматическое сжатие при достижении 900 000 токенов. Та же конфигурация может быть применена к отдельной CLI-сессии без изменения настроек по умолчанию.

Эта функция полезна для исключительно больших кодовых баз и длительных рабочих процессов, но не следует воспринимать её как бесплатное улучшение. OpenAI намеренно настроила контекст по умолчанию в Codex, балансируя производительность и стоимость, а её собственные оценки показывают снижение производительности поиска в длинном контексте в диапазоне 512K–1M.

Наиболее безопасный рабочий процесс: используйте настройки по умолчанию для обычных задач и включайте контекст 1M только в тех случаях, когда раннее сжатие действительно приводит к потере информации.

Трёхстрочная конфигурация покрытия даёт вам контроль над бюджетом контекста; однако она не устраняет компромиссы, связанные с производительностью, объёмом использования и поиском, которые сопутствуют работе с миллионом токенов.