最近使用 Codex 时，我发现一个很容易让人误解的问题。

OpenAI 的 GPT-5.6 Sol 模型页面明确标注了 

 里看到的却是 353K，甚至只有 258K。

更奇怪的是，有用户在同一台电脑、同一个账号上测试：

于是网上出现了两种完全相反的说法：

实际上，这两种说法都不够准确。

一、先说结论：1.05M是真的，但不等于Codex一定给你1.05M

根据 OpenAI 官方模型文档，GPT-5.6 Sol 的规格是：

1.05M 是模型 API 层面的最大上下文容量

Codex 则是运行在模型上方的产品。它还要考虑系统提示词、工具定义、终端输出、补丁记录、推理结果和预留输出空间，因此实际交给一次会话的工作窗口可能更小。

二、1.05M、372K、353K、272K和258K分别是什么

这些数字看起来很乱，其实分别来自不同层级。

这是 GPT-5.6 Sol 在 API 文档中公布的总上下文窗口。

它代表模型理论上能在一次请求中共同处理的输入、历史内容、工具信息、推理内容和输出预算，并不代表你可以无成本地一次塞入 105 万个 Token 的代码。

2. 372K：Codex曾下发的模型目录窗口

Codex 还会预留一部分空间，所以用户最终看到的有效窗口大约为：

3. 272K：部分Codex会话当前使用的目录窗口

后续又有用户发现，服务端下发的窗口变成了 

按照同样的 95% 有效比例计算：

 里看到的 258K，并不一定是显示错误，而可能是当前账号、入口或会话获得的有效工作窗口。

4. 128K：最大输出，不是输入窗口

128K 指单次响应允许生成的最大输出，不要把它和模型总上下文混在一起。

三、为什么同一个模型，每个人显示得不一样

目前比较常见的影响因素有四个。

使用 ChatGPT 账号登录 Codex，通常会读取 OpenAI 为该产品和账号下发的模型目录。

使用 API Key 或自定义 Provider，则更多依赖本地配置和上游接口真实支持的限制。

Codex CLI、桌面端以及 IDE 扩展的更新节奏不同。旧版本缓存的模型目录，也可能与新建会话拿到的数据不一致。

目前已经有用户复现：交互式 Codex 会话显示约 1.05M，而 

因此，讨论上下文时不能只说“Codex支持多少”，还要说明使用的是 CLI 交互模式、桌面端、IDE，还是 

Codex 不会等到窗口完全塞满才处理历史记录。达到一定阈值后，它会把前面的对话和执行过程压缩成摘要，为后续任务腾出空间。

压缩能让任务继续运行，但摘要不可能保留所有细节。长时间重构时，早期约束、失败方案和跨文件关系可能因此丢失。

不要仅凭模型选择器里写着“GPT-5.6 Sol”，就默认当前会话一定获得了完整 1.05M。

五、走兼容API时，两个配置项分别控制什么

Codex 官方配置中有两个相关参数：

model_context_window = 1050000
model_auto_compact_token_limit = 900000

如果上游线路实际只支持 258K、400K，强行填写 1.05M 只会让 Codex 更晚压缩，最终可能收到 

六、一套可直接使用的Codex兼容API配置

macOS / Linux：~/.codex/config.toml
Windows：C:\Users\你的用户名\.codex\config.toml

注意不要把 Provider 配置写进项目里的 

。Codex 官方文档说明，项目级配置不能覆盖 

下面采用自定义 Provider，切换和排查会更清晰：

model = "gpt-5.6-sol"
model_provider = "genvis"
model_reasoning_effort = "high"

# 只有确认上游支持长上下文后再开启
model_context_window = 1050000
model_auto_compact_token_limit = 900000

[model_providers.genvis]
name = "OpenAI Compatible"
base_url = "https://genvis.xyz/v1"
wire_api = "responses"
env_key = "GENVIS_API_KEY"

我这里把测试用的兼容接口直接保留在配置中，避免读者还要自己猜字段。示例接口目前提供新用户 2 元测试额度，比较适合先验证登录、模型调用、读取项目和一次短任务。

2 元并不适合做百万 Token 压力测试

，长上下文测试前仍要检查余额、实际计价和上游窗口。

七、如果你更在意费用，不要盲目追求1M

GPT-5.6 Sol 有一个很容易忽略的计费规则：

注意，不是“超出的部分”涨价，而是整个请求进入长上下文价格区间。

如果你的日常任务只是修复 Bug、编写一个模块或者补充测试，其实没必要一直保留 1M 窗口。可以采用更保守的配置：

model_context_window = 272000
model_auto_compact_token_limit = 240000

 是为了给工具输出、系统信息和最终回答留出余量，并不是 OpenAI 官方指定值，也不能保证每次请求一定低于 272K。

真正需要长上下文的场景通常包括：

普通代码补全和单文件修改，相关上下文的质量通常比单纯扩大窗口更重要。

八、配置后仍然只有258K，应该怎么排查

按照下面的顺序检查，效率最高。

Provider 和 Base URL 应写在用户目录下的 

，而不是项目目录里的配置文件。

旧会话可能已经保存了创建时的模型信息。修改配置后应退出 Codex，并创建一个全新会话再测试。

有些平台展示的是模型官方规格，实际线路可能来自不同推理提供方，窗口限制并不相同。

OpenAI 的 GPT-5.6 Sol 模型页面明确标注了 1,050,000 Token 上下文窗口，但不少用户在 Codex 的 /status 里看到的却是 353K，甚至只有 258K。

GPT-5.6 Sol 到底是 1.05M 还是 258K？Codex 上下文差异终于搞清楚了

人工智能

编程语言

开发工具

GPT-5.6Sol的1.05M上下文是模型API上限，Codex实际窗口因登录方式、版本、入口和自动压缩而异（常见258K/353K）。修改config.toml中model_context_window和model_auto_compact_token_limit可调整客户端管理，但无法突破上游限制。建议用/status核实，区分交互模式与codexexec，注意272K以上计费翻倍。

压力测试

代码补全

ChatGPT

路由

Linux

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

GPT-5.6Sol的1.05M上下文是模型API上限，Codex实际窗口因登录方式、版本、入口和自动压缩而异（常见258K/353K）。修改config.toml中model_context_window和model_auto_compact_token_limit可调整客户端管理，但无法突破上游限制。建议用/sta...

GPT-5.6 Sol 到底是 1.05M 还是 258K？Codex 上下文差异终于搞清楚了

GPT-5.6 Sol 到底是 1.05M 还是 258K？Codex 上下文差异终于搞清楚了

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐