Codex: Codex 模型选择
最后更新：2026-08-31
Codex 支持多种 AI 模型，不同模型在能力、速度和成本上各有差异。选对模型，事半功倍。
📋 前置知识：了解 Codex 基本操作
1. 你将学到
- 可用模型列表
- 各模型特点与对比
- 模型选择策略
- 成本优化技巧
2. 可用模型
(1) OpenAI 模型
| 模型 | 上下文 | 特点 | 适用场景 |
|---|---|---|---|
| o3 | 200K | 最强推理 | 复杂架构、算法设计 |
| gpt-5-codex | 128K | 代码专精 | 日常开发（默认） |
| gpt-4o | 128K | 平衡性价比 | 一般任务 |
| o4-mini | 128K | 快速经济 | 简单任务、批量操作 |
(2) 第三方模型（通过 API）
| 模型 | 提供商 | 特点 |
|---|---|---|
| deepseek-coder | DeepSeek | 代码强、成本低 |
| deepseek-chat | DeepSeek | 中文好、通用 |
| claude-sonnet | Anthropic | 推理强（需兼容 API） |
3. 模型对比
(1) 能力对比
| 维度 | o3 | gpt-5-codex | gpt-4o | o4-mini | deepseek-coder |
|---|---|---|---|---|---|
| 代码生成 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| 复杂推理 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐ |
| 多文件重构 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐ |
| 中文理解 | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| 响应速度 | ⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
(2) 成本对比
| 模型 | 输入/1M tokens | 输出/1M tokens | 相对成本 |
|---|---|---|---|
| o3 | $15.00 | $60.00 | 最贵 |
| gpt-5-codex | $2.50 | $10.00 | 中等 |
| gpt-4o | $2.50 | $10.00 | 中等 |
| o4-mini | $0.15 | $0.60 | 便宜 |
| deepseek-coder | ¥1.00 | ¥2.00 | 最便宜 |
4. 模型选择策略
(1) 按任务复杂度
| 任务复杂度 | 推荐模型 | 原因 |
|---|---|---|
| 简单（修 lint、加注释） | o4-mini / deepseek-coder | 成本低、速度快 |
| 中等（添加功能、修复 Bug） | gpt-5-codex | 平衡能力与成本 |
| 复杂（架构设计、大型重构） | o3 | 推理能力最强 |
(2) 按任务类型
| 任务类型 | 推荐模型 | 原因 |
|---|---|---|
| 代码生成 | gpt-5-codex | 代码专精 |
| 代码审查 | gpt-4o / deepseek-coder | 审查不需最强推理 |
| 架构设计 | o3 | 需要深度推理 |
| 文档生成 | gpt-4o / deepseek-chat | 通用能力足够 |
| 批量操作 | o4-mini | 成本优先 |
▶ 示例 1: Alice 的模型选择
PYTHON
def choose_model(task):
if task.type == "architecture":
return "o3"
elif task.type == "daily_dev":
return "gpt-5-codex"
elif task.type == "batch_fix":
return "o4-mini"
elif task.type == "chinese_doc":
return "deepseek-coder"
else:
return "gpt-5-codex"
5. 切换模型
(1) CLI 切换
BASH
# 启动时指定
codex --model o3
# 切换到 DeepSeek
export OPENAI_API_KEY="sk-deepseek-xxx"
export OPENAI_BASE_URL="https://api.deepseek.com"
codex --model deepseek-coder
(2) App 切换
在顶部工具栏的模型下拉菜单中选择。
(3) 配置文件
TOML
# ~/.codex/config.toml
model = "gpt-5-codex"
# 或项目级
# .codex/config.toml
model = "deepseek-coder"
6. 成本优化
(1) 策略矩阵
| 策略 | 说明 | 节省比例 |
|---|---|---|
| 分级使用 | 简单任务用便宜模型 | 50-70% |
| DeepSeek 替代 | 日常任务用 DeepSeek | 80-90% |
| 精准上下文 | 减少不必要的文件 | 20-30% |
| 批量执行 | 合并小任务 | 10-20% |
(2) 成本估算
TEXT
📖 仅展示
# Alice 的月度成本估算
日常开发（gpt-5-codex）：$50/月
代码审查（deepseek-coder）：¥100/月 ≈ $14/月
架构设计（o3）：$30/月
批量修复（o4-mini）：$5/月
总计：约 $99/月
如果全用 o3：约 $500/月
节省：80%
❓ 常见问题
Q 默认模型 gpt-5-codex 够用吗？
A 大多数场景够用。只有复杂架构设计和算法问题需要 o3。
Q o4-mini 能力差多少？
A 简单任务差距不大，复杂推理和多文件重构差距明显。建议先试用，不满意再升级。
Q DeepSeek 在英文项目上表现如何？
A 英文代码生成和审查表现良好，与 gpt-5-codex 差距不大。英文文档和架构推理稍弱。
Q 可以在同一会话中切换模型吗？
A 不能。需要结束当前会话，切换模型后重新启动。
Q 模型选择影响上下文窗口吗？
A 是的。o3 支持 200K，其他大多数 128K。大型项目可能需要更大的上下文窗口。
📖 小节
- 默认 gpt-5-codex，复杂任务用 o3，简单任务用 o4-mini
- DeepSeek 成本最低，中文场景优势明显
- 按任务复杂度选模型：简单→便宜模型，复杂→强模型
- 成本优化：分级使用 + DeepSeek 替代 + 精准上下文
📝 作业
- 基础题（难度⭐）：用三个不同模型完成同一任务，对比输出质量。
- 进阶题（难度⭐⭐）：设计一个成本优化方案——统计你的任务类型分布，为每类选择最优模型。
- 挑战题（难度⭐⭐⭐）：编写一个自动模型选择脚本——根据任务描述自动判断复杂度并选择模型。
