GPT-5.6 模型與 effort：在 Codex 裡怎麼選？

在 Codex 中選擇模型時，需考量兩個維度：模型系列（決定基礎能力與價格區間）與 推理強度（effort）（決定模型願意投入多少思考資源）。

GPT-5.6 三大模型系列

模型系列	定位	適用任務
Luna	速度快、成本低	格式整理、文獻去重、簡單修辭、日常問答
Terra	能力與成本平衡	質性編碼、資料清理、Python 腳本編寫、一般除錯
Sol	深度推理、成本較高	跨檔案架構重構、複雜統計分析、困難問題排查

圖中縱軸為綜合能力指數，橫軸為任務平均成本（對數刻度，越左越省）。左上角綠色區塊代表「高能力、低成本」的理想區間。

五種 effort 推理強度

effort 是能力與耗時之間的微調旋鈕，並非另一個獨立模型：

effort	特點	建議情境
low	回應最快、消耗最少	簡易查詢、文字提取、單一檔案小改動
medium	速度與品質平衡	大多數日常 Codex 任務預設值
high	增加自我檢查與推理步驟	質性多重標籤編碼、跨檔案邏輯修改
xhigh	深入評估假設與邊界情況	演算法設計、複雜資料結構轉換
max	不計耗時追求最高準確率	最關鍵或反覆失敗的長流程任務

實用選擇策略

1. 一般任務起手式：使用 Terra + medium 或 Luna + high。
2. 純文字整理 / 摘要：降至 Luna + low / medium，節省額度並加快速度。
3. 質性編碼與腳本撰寫：使用 Terra + high，確保規則匹配精確。
4. 遇瓶頸或反覆出錯：升級至 Sol + high / max。

避免所有任務盲目套用最高設定，依任務難度分級配置，才能兼顧產出品質與額度效率。