ガイド更新日
Codexのモデルと考える深さの選び方
この記事で分かること
Codex 集中講座の第4回。文言の修正と設計の相談を例に、モデルと思考の深さを選び分けます。切り替えの方法、使用量、長い会話の扱いも整理します。

目次 読みたいところから
文言をひとつ直す依頼と、設計方針を比べる相談。どちらにも同じだけ時間をかける必要があるかは、結果の確かめ方によって変わります。待ち時間を増やす前に、考えてほしい内容をはっきりさせます。
Codexでは、使うモデルと考える深さを選びます。難しい相談に時間を使い、短い修正は結果をすぐ読める形で頼む。作業ごとの目安を、本文の例から考えます。
思考の深さには段階がある
思考の深さは、公式の言葉では reasoning effort と呼ばれます。OpenAI の API ドキュメントによれば、これは「その作業にどれだけ考えるか」をモデルに指示する値で、低いほど速く使用トークンが減り、高いほど時間をかけて完成度の高い応答を返します。
段階はモデルによって違います。GPT-6 Astra では6つあります。画面には Low、Medium、High、Extra high の4つが並び、その下の「More reasoning…」を開くと Max と Ultra が出ます。モデルによっては none や minimal が使えるものもあります。
段階が6つもあることに意味があるのは、作業の性質が一様ではないからです。
深くしても変わらない作業がある
深く考える設定が役に立つかは、作業で何を判断するかによります。
答えが1つに決まっている作業では、深さを上げても結果は変わりません。ファイル名の一括置換、関数の移動、設定値の書き換え。こうした作業で xhigh を選んでも、出てくる差分は low のときと同じで、返ってくるまでの時間が伸びるだけです。
深さが効くのは、選択肢が複数あって、その比較に手間がかかる作業です。既存の設計に新しい要件をどう収めるか。テストが落ちている原因が3つの可能性のどれか。移行の手順をどの順に並べるか。どれも、いくつかの案を立てて捨てる過程そのものが作業の中身になっています。
判断の順番としては、深さを上げる前に「この依頼に、捨てるべき案はあるか」を自分に聞くのが速いはずです。なければ深さは上げません。
使い分けの目安
BenriWorks で使っている目安を表にします。公式が定めたものではなく、手元の作業から決めた運用です。
| 依頼の性質 | 深さの目安 | 例 |
|---|---|---|
| 答えが1つに決まる | low | 文言の置換、書式の統一、ファイルの移動 |
| 手順は決まっているが分量が多い | medium | 同じ形の関数を10個追加、テストの一括追加 |
| 選択肢を比べる必要がある | high | 設計の変更、落ちるテストの原因調査 |
| 前提から疑う必要がある | xhigh 以上 | 移行計画の立案、再現しない不具合の調査 |
表の下2行に共通するのは、人が読んで判断する時間のほうが長くなる作業だということです。深く考えさせた結果は、そのぶん読むのにも時間がかかります。深さを上げるときは、読む側の時間も一緒に確保してください。
切り替える方法は3つある
対話の途中で変えたいときは、スラッシュコマンドの /model を使います。公式ドキュメントによれば、これでモデルの切り替えと思考の深さの調整の両方ができます。作業の途中で「これは思ったより難しい」と分かったときに、その場で上げられます。
起動時に決めたいときは、コマンドライン版の引数です。
codex -m gpt-6-astra
設定として固定したいときは、設定の上書きかプロファイルを使います。コマンドライン版の -c は ~/.codex/config.toml の値を1回だけ上書きする指定で、ヘルプには次の例が載っています。
-c, --config <key=value>
Override a configuration value that would otherwise be loaded from `~/.codex/config.toml`.
Examples: - `-c model="o3"` ...
/model を打つと、まずモデルの一覧が出ます。2026年9月に執筆環境(codex-cli 0.154.0)で実際に表示されたものです。
Select Model and Effort
Access legacy models by running codex -m <model_name> or in your config.toml
› 1. gpt-6-astra (current) Our most capable model for complex, demanding work.
2. gpt-5.6-sol Latest frontier agentic coding model.
3. gpt-5.6-terra Balanced agentic coding model for everyday work.
4. gpt-5.6-luna Fast and affordable agentic coding model.
5. gpt-5.5 Frontier model for complex coding, research, and real-
world work.
6. gpt-5.2 Optimized for professional work and long-running agents.
モデルを選ぶと、続けて思考の深さを聞かれます。画面の名前は先ほどの設定値とは少し違い、Low から Extra high までが並びます。
Select Reasoning Level for gpt-6-astra
› 1. Low (default) Fast responses with lighter reasoning
2. Medium Balances speed and reasoning depth for everyday tasks
3. High Greater reasoning depth for complex problems
4. Extra high Extra high reasoning depth for complex problems
5. More reasoning… Max and Ultra consume usage limits faster
いちばん下を開くと、残りの2つが出ます。ここだけ注意書きが付いています。
Advanced Reasoning
⚠ Consumes usage limits faster
› 1. Max For difficult problems when quality matters more than speed · higher usage
2. Ultra For demanding work using multiple agents · highest usage
Max と Ultra が1段深い階層に置かれ、使用量が速く減ると明記されているのは、選ぶ前に一度考えさせるための配置だと読めます。上の節で書いた「深さを上げる前に、捨てるべき案があるかを自分に聞く」は、この画面の作りとも合っています。
2026年11月時点の公式のモデル一覧では、最も負荷の高い作業に GPT-6 Astra、Astra に近い性能を低い費用で使う GPT-6.1 Sol、文章や画面の読み取りに向く GPT-6.1 Terra、答えの形が決まった定型の作業に GPT-6 Luna が挙がっています。上の画面は、この入れ替わりの前のものです。
毎回同じ組み合わせで起動したいなら、プロファイルにまとめます。-p, --profile <NAME> を渡すと $CODEX_HOME/<name>.config.toml が基本の設定に重ねられます。「調査用は深め、日常の修正は浅め」のような使い分けを、名前をつけて持てるということです。
長い作業で効くのは、深さではなく文脈の持ち方
数時間続く作業では、別の要因が効いてきます。会話が長くなったときに、何を覚えていられるかです。
GPT-6 Astra のコンテキストウィンドウは105万トークン、最大出力は12万8千トークンだと API のモデルページに書かれています。長くはありますが、無限ではありません。従来は、いっぱいになると古いやり取りを要約して圧縮していました。このとき「なぜその修正が失敗したか」のような、次に効く情報が落ちます。
Astra と合わせて公開された Codex 側の更新には、コンテキストウィンドウをまたいでメモを保持する仕組みが挙げられています。公開時点では実験的機能とされています。
手元でできる対策のほうが確実です。話題が変わったところで /compact を通し、区切りのよいところで作業をコミットしておく。そうすれば、文脈が落ちても、コードの側に結果が残ります。覚えておいてもらうより、書き出しておくほうが強いというのは、この講座を通じての方針です。第9回から第11回で扱う AGENTS.md、スキル、MCP は、どれもこの方針の具体化です。
使用量という制約
深さを上げると使用量が増えます。ChatGPT のプランで使っている場合、プランごとに枠があり、枠の中で何をどれだけ使うかは自分で決めることになります。
料金の目安として、API のモデルページによれば GPT-6 Astra は入力100万トークンあたり10ドル、出力は50ドル、キャッシュ済みの入力は1ドルです。27万2千トークンを超える入力には、入力2倍と出力1.5倍の長文脈料金が掛かると書かれています。
数字そのものより、出力のほうが入力より5倍高いという比率を覚えておくと判断が楽になります。長い資料を読ませる依頼は、思ったより安く済みます。長い文章を書かせる依頼は、思ったより高くつきます。「この設計でよいか読んで意見をください」は前者、「設計書を全部書いてください」は後者です。
設定を選ぶ理由のメモ
文言の修正と設計相談を1件ずつ想定し、使うモデルと考える深さを書きます。待てる時間と結果の確かめ方も添えてください。
本文の運用例は目安です。結果が変わらない場合は、設定だけでなく、依頼に必要な情報を渡せているかも見直します。
次の回
設定を選んだら、実行できる範囲と、人に確認するタイミングを分けて決めます。「Codexのサンドボックスと承認を使い分ける」へ進めます。
参照した公式情報
- OpenAI API「Reasoning models」「GPT-6 Astra」モデルページ、「Pricing」(developers.openai.com、2026年11月時点)
- OpenAI「Models」(learn.chatgpt.com/docs、2026年11月時点。developers.openai.com/codex から移転)
- OpenAI ヘルプセンター「Managing usage with GPT-6 Astra in Work and Codex」(2026年9月時点。2026年11月の再照合では開けず)
- コマンドライン版の引数は codex-cli 0.167.0 を執筆環境へ導入して取得(モデルと思考の深さの選択画面は 0.154.0 のもの)
よくある質問
- 思考の深さは常に最大にしておけばよいのではないですか
- 深くするほど時間と使用量を使い、それに見合う改善が出るとは限りません。答えが1つに決まっている作業、たとえば文言の置換や機械的な移動では、深さを上げても結果は同じで待ち時間だけが伸びます。効くのは、選択肢が複数あって比較が要る作業です。
- モデルはどれを選べばよいですか
- 公式ドキュメントは、最も負荷の高い作業に GPT-6 Astra、Astra に近い性能を低い費用で使う GPT-6.1 Sol、文章や画面の読み取りに向く GPT-6.1 Terra、答えの形が決まった定型の作業に GPT-6 Luna を挙げています。まず Astra か Sol で始め、待ち時間が気になる軽作業だけ Luna に落とす順で問題ありません。
- 切り替えはどこでしますか
- 対話中なら `/model` でモデルと思考の深さの両方を変えられます。コマンドライン版の起動時は `-m` でモデルを指定でき、設定ファイルやプロファイルに書いておけば毎回同じ組み合わせで起動します。
