Codex: Codex CLI モデル選択
最終更新：2026-08-31
CLI でのモデル選択はより柔軟で、カスタマイズオプションも豊富です。このレッスンでは CLI のモデル関連設定に焦点を当てます。
📋 前提条件: Codex のモデル選択の基本を理解していること（レッスン19を参照）
1. 学ぶ内容
- CLI モデルパラメータ
- マルチモデル切り替え
- 実践的なコスト最適化
- モデルパフォーマンスの比較
2. CLI モデルパラメータ
BASH
# モデルを指定
codex --model o3
# モデル + temperature を指定
codex --model gpt-5-codex --temperature 0.2
# モデル + 最大トークン数を指定
codex --model o3 --max-tokens 8192
# 利用可能なモデルを一覧表示
codex --list-models
パラメータの説明
| パラメータ | 説明 | 推奨値 |
|---|---|---|
--model |
モデル名 | タスクに応じて選択 |
--temperature |
創造性（0〜1） | 0.1〜0.3（コード用） |
--max-tokens |
最大出力 | 4096〜8192 |
--top-p |
サンプリング範囲 | 0.9（デフォルト） |
3. マルチモデル切り替え
(1) 設定ファイルによる切り替え
TOML
# ~/.codex/config.toml
model = "gpt-5-codex" # デフォルトモデル
# .codex/config.toml（プロジェクトレベル）
model = "deepseek-coder" # プロジェクトでの上書き
(2) 環境変数による切り替え
BASH
# 一時的な切り替え
CODEX_MODEL=o3 codex "Design microservice architecture"
# DeepSeek
export OPENAI_API_KEY="sk-deepseek-xxx"
export OPENAI_BASE_URL="https://api.deepseek.com"
codex --model deepseek-coder
(3) エイリアスによるクイック切り替え
BASH
# ~/.zshrc または ~/.bashrc
alias codex-o3='codex --model o3'
alias codex-fast='codex --model o4-mini'
alias codex-deep='export OPENAI_API_KEY="sk-deepseek-xxx"; export OPENAI_BASE_URL="https://api.deepseek.com"; codex --model deepseek-coder'
# 使用方法
codex-o3 "Design system architecture"
codex-fast "Fix lint errors"
codex-deep "Write unit tests"
▶ 例1：Alice のマルチモデルワークフロー
BASH
# Alice のエイリアス設定
alias codex-draft='codex --model o4-mini --temperature 0.5' # ドラフト
alias codex-code='codex --model gpt-5-codex --temperature 0.2' # コーディング
alias codex-think='codex --model o3 --temperature 0.1' # 深考
# 使用方法
codex-draft "Quickly generate API skeleton"
codex-code "Implement user registration feature"
codex-think "Design distributed caching solution"
4. 実践的なコスト最適化
(1) 段階的戦略
| タスクレベル | モデル | コスト/タスク | シナリオ |
|---|---|---|---|
| L0 | o4-mini | $0.001 | フォーマット、コメント追加 |
| L1 | deepseek-coder | ¥0.01 | バグ修正、機能追加 |
| L2 | gpt-5-codex | $0.05 | リファクタリング、API 開発 |
| L3 | o3 | $0.30 | アーキテクチャ設計、複雑なアルゴリズム |
(2) 自動ダウングレード
BASH
#!/bin/bash
# smart-codex.sh - インテリジェントモデル選択
TASK="$1"
# 単純なタスクは安価なモデル
if echo "$TASK" | grep -qiE "lint|format|comment|typo"; then
codex --model o4-mini "$TASK"
elif echo "$TASK" | grep -qiE "fix|bug|add feature"; then
codex --model gpt-5-codex "$TASK"
elif echo "$TASK" | grep -qiE "architect|design|migrate|refactor"; then
codex --model o3 "$TASK"
else
codex --model gpt-5-codex "$TASK"
fi
▶ 例2：Bob の月額コスト
TEXT
📖 参照専用
# Bob のタスク分布（200タスク/月）
L0（30%）：o4-mini → 60 × $0.001 = $0.06
L1（40%）：deepseek-coder → 80 × ¥0.01 = ¥0.80 ≈ $0.11
L2（25%）：gpt-5-codex → 50 × $0.05 = $2.50
L3（5%）：o3 → 10 × $0.30 = $3.00
合計：約$5.67/月
すべて o3 の場合：約$60/月
節約：90%
5. モデルパフォーマンスベンチマーク
(1) テスト方法
| テスト項目 | 説明 |
|---|---|
| コード生成 | REST API エンドポイントの生成 |
| バグ修正 | null ポインタ例外の修正 |
| リファクタリング | Class コンポーネントから Hooks への変換 |
| レビュー | セキュリティ脆弱性スキャン |
(2) 結果比較
| モデル | コード生成 | バグ修正 | リファクタリング | レビュー | 速度 |
|---|---|---|---|---|---|
| o3 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | 🐢 |
| gpt-5-codex | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | 🏃 |
| gpt-4o | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | 🏃 |
| o4-mini | ⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐ | ⚡ |
| deepseek-coder | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | 🏃 |
❓ よくある質問
Q CLI で現在使用中のモデルを確認するには？
A
codex --show-config を実行するか、セッション内で /config コマンドを使用します。Q temperature はどのくらいに設定すべきですか？
A コード生成には 0.1〜0.3（より確定的）、ドキュメントや創造的作業には 0.5〜0.7（より柔軟）。
Q max-tokens はどのくらいにすべきですか？
A 単純な変更は 2048、複雑なリファクタリングは 4096〜8192、非常に長いドキュメントではさらに大きくする必要があるかもしれません。小さすぎると出力が途切れます。
Q エイリアスの代わりに完全な API モデル名を使用できますか？
A はい。
--model gpt-5-codex-2026-08-28 のような完全名もサポートされています。Q CLI と App は同じモデルで同一の結果になりますか？
A 基礎となるモデルは同じなので、結果は同等です。ただし、App には追加の UI 最適化とコンテキスト管理があります。
📖 まとめ
- CLI モデルパラメータ：
--model/--temperature/--max-tokens - マルチモデル切り替え：設定ファイル / 環境変数 / エイリアス
- コスト最適化：段階的戦略 + 自動ダウングレード + DeepSeek 代替
- ベンチマーク：o3 は最も強力だが最も遅い、o4-mini は最速で最も安価
📝 練習問題
- 基本 (⭐)：クイックモデル切り替えのためのエイリアスを設定する。
- 中級 (⭐⭐)：タスクの説明に基づいてモデルを選択する自動ダウングレードスクリプトを実装する。
- 上級 (⭐⭐⭐)：自分の一般的なタスクでモデルをベンチマークし、独自のモデル選択マトリックスを構築する。
