ChatGPT/Codex - Model/Effort 怎么选？不是越高越好

升级 ChatGPT Pro 后，我最自然的反应是：

既然有了 Pro 和 Extra High，重要的问题当然选最高档。Codex 也一样，模型选最强的，effort 尽量往上开。

但真正用了一段时间后，我发现这并不是最好的方式。

Pro 的确经常会等更久；Codex 开高档位后，额度也消耗得很快。有一次，我一个上午几乎用掉了一周的 usage。更关键的是，付出了更多时间和额度，结果不一定更适合当前任务。

有些答案会更周全，但也更啰嗦；有些简单问题会被过度分析；写标题、改措辞这类任务，低档位反而可能更直接、更自然。

问题不在于高档位没用，而在于：

模型和 effort 解决的不是同一个问题，最高档也不是所有任务的标准答案。

以下产品信息截至 2026 年 7 月。

一、Model 和 Effort，分别影响什么？

可以把一次 AI 任务理解成请人做事。

Model，是选择让谁来做。

不同模型不只是“强弱”不同，擅长的事情也不同：

• 有的适合复杂、开放、需要判断的任务；
• 有的适合日常工作，在能力、速度和成本之间更平衡；
• 有的适合清楚、重复、容易验收的任务。

Effort，是决定这一次让它投入多少推理。

更高的 effort，通常意味着模型会花更多计算去拆解问题、比较方案、检查约束和修正结果。

这不等于答案一定更长。

高 effort 可能思考很久，最后只给出几句话；低 effort 也可能写出一篇很长、但没有真正想清楚的内容。

还有两个变量也不能忽略：

Prompt 和上下文决定任务有没有说清楚；工具和数据决定模型手里有没有完成任务所需的材料。

所以，一次回答不好，不一定是模型不够强，也不一定是 effort 不够高。

可能只是：

• 目标没说清楚；
• 缺少关键文件；
• 没有搜索最新信息；
• 验收标准不明确；
• 或者本来应该拆开的任务，被塞进了一次请求里。

更高 effort 主要解决“推理投入不够”，解决不了所有质量问题。

二、为什么高档位有时还不如低档位？

这里的“不如”，不一定是能力更差，而是结果更不适合当前任务。

1. 简单任务被做复杂了

例如：

帮我把这句话改得自然一点。

低档位可能直接给出一个能用的版本。

高档位可能开始分析人物关系、语气强弱和文化差异，再给出五种写法。内容未必有错，但完成这件小事的时间和阅读成本都变高了。

2. 目标错了，模型却做得更认真了

假如你想让 AI 删除文章里的水分，但它把目标理解成“写得更专业”，更高的 effort 可能让文章结构更完整、解释更多，也更像一份报告。

它不是没努力，而是努力错了方向。

这种情况应该重新说明目标和完成标准，而不是继续升档。

3. 真正缺的是信息

询问最新政策、产品价格、岗位状态、代码现状时，模型需要的是搜索、文件、数据库或真实代码。

思考得再久，也不能把旧信息变成新信息。

4. 创意和表达没有唯一答案

标题、文案、私人消息、情绪对话，并不总有一个可以靠不断推理逼近的“最优解”。

更高 effort 有时会让文字更完整、更安全，但也更平均、更不自然。

相反，高档位真正擅长的是：

• 多步骤问题；
• 多个条件之间的权衡；
• 长上下文；
• 容易遗漏细节的审计；
• 需要验证和反复检查的任务。

官方给 Codex 的建议其实也很直接：先使用能够产出所需结果的最低 reasoning effort，只有任务确实需要更多规划、分析或检查时，再向上调整。

三、ChatGPT 的几个档位怎么选？

截至目前，ChatGPT 中：

• Instant 使用 GPT-5.5 Instant；
• Medium、High、Extra High 都使用 GPT-5.6 Sol，区别主要是 reasoning effort；
• Pro 使用 GPT-5.6 Sol Pro，面向更困难、运行时间更长的任务。

所以，Medium 升到 High，主要是增加同一个模型的推理投入；Extra High 切到 Pro，则不只是继续加一级 effort，而是换到了 Pro 路径。

Instant：直接完成的小事

适合：

• 简单问答；
• 翻译和措辞；
• 短文本总结；
• 快速 brainstorm；
• 明确、低风险的小任务。

例如改一句英文、整理一条消息、解释一个简单概念，没有必要先开 Pro。

Medium：多数认真问题的起点

适合：

• 解释一个新概念；
• 第一轮内容整理；
• 普通产品讨论；
• 梳理一个问题的主要利弊；
• 有一定推理，但不需要复杂审计的任务。

对多数日常问题，Medium 已经够用。

High：严肃工作的主力档

适合：

• 多个方案的比较和取舍；
• 产品设计；
• 文章重构；
• 求职材料和岗位匹配；
• 需要明确判断，而不是简单罗列信息的任务。

对我来说，High 比 Pro 更适合作为日常严肃工作的主力。

它通常有足够的分析深度，又不至于每次都等待很久。

Extra High：终审和审计

适合：

• 很长的上下文；
• 多份材料相互核对；
• 检查冲突和遗漏；
• 技术方案审查；
• 长文的事实、结构和重复检查；
• 重要内容提交前的 final review。

我更愿意在内容已经基本完成后使用 Extra High，而不是从第一稿就开始使用。

Pro：少量真正困难的任务

适合：

• 高价值、长链路任务；
• 需要综合大量证据；
• 普通档位已经出现明显遗漏；
• 错误会带来较高成本；
• 多花一些时间换取更高可靠性是值得的。

例如 repo 级架构审计、跨代码和文档的系统诊断，或者重要方案提交前的综合检查。

Pro 通常会等得更久，但等待时间也不全是“思考”：搜索、读取文件、调用工具、运行代码和生成结果都会占用时间。

因此，看到它转了很久，不能简单理解为“它一定想得更深，也一定答得更好”。

四、ChatGPT Pro 有额度吗？

有。

购买 Pro 订阅，不代表所有模型和档位都可以无限使用。官方说明，Pro 计划中的部分模型有独立 usage allowance；达到后，对应模型可能暂时不可用，直到额度重置。

但目前没有一张面向个人用户的固定换算表，告诉你一次 High、一次 Extra High 和一次 Pro 分别扣多少。

还有一个实用细节：

Instant 自动判断并切换到 Medium，不计入手动选择 reasoning 的 allowance。

所以，日常把 Instant 的自动切换打开，比所有问题都手动选择 High 或 Pro 更省心。

五、Codex 里，先选 Model，再选 Effort

Codex 当前主要提供三个 GPT-5.6 模型：

• Sol；
• Terra；
• Luna。

官方默认的 Power 设置是 Sol + Medium。这是一个可靠的通用起点，但不意味着所有任务都应该一直留在 Sol。

Luna：任务已经很清楚

适合：

• 提取和分类信息；
• 转换 JSON、CSV 或其他格式；
• 按模板生成文件；
• 批量修改文案；
• 重命名变量；
• 其他重复、明确、容易验收的工作。

判断 Luna 是否合适，不是看任务“小不小”，而是看：

你是否已经知道，什么叫正确完成。

Terra：日常开发主力

适合：

• 实现范围清楚的功能；
• 修复普通 bug；
• 添加测试；
• 修改已有组件；
• 按现有架构增加一个 API；
• 需要一定推理和工具调用，但不需要复杂架构判断的工作。

例如给已有列表增加导出功能、补充表单校验、修复移动端布局，这些任务通常没有必要全部交给 Sol。

Sol：复杂、模糊、高价值任务

适合：

• 原因不明确的复杂 bug；
• 跨多个模块的重构；
• 新模块的架构设计；
• 代码和文档一致性检查；
• 多种技术方案之间的权衡；
• 重要 PR 的深度 review。

Sol 的价值不只是代码写得更好，而是它更适合那些不能按照明确步骤机械完成的任务。

官方对三个模型的定位也是：Sol 负责复杂、开放、需要判断和打磨的工作；Terra 是日常主力；Luna 面向清楚、重复和高频的任务。

Codex 里还可能看到 Spark。它是一个强调低延迟、接近实时编码反馈的 research preview，更像专用的快速交互模式，不是 Sol、Terra、Luna 之间简单的“最低档”。

六、选完模型，再决定 Codex 的 Effort

Light / Low

适合修改范围很小、几乎不需要探索的任务。

例如：

把按钮文案从 Continue 改成 Submit，并更新对应测试。

Medium

适合大多数普通开发任务。

它会读取相关代码、做基本规划、完成修改并验证结果，但不会投入过多时间反复探索。

High

适合：

• 涉及多个文件；
• 需要定位根因；
• 存在多种实现方式；
• 容易引入回归；
• 完成后需要系统验证的任务。

例如：

用户偶尔会收到两封重复邮件，请定位原因、修复、补充回归测试，并检查是否存在同类问题。

Extra High

Extra High 会让当前模型围绕一个任务思考得更深。

它适合高度耦合、难以拆分的问题，例如一个同时涉及缓存、并发和状态恢复的复杂 bug。

Ultra

Ultra 不是“比 Max 更努力”。

它会调用 subagents，把任务拆成几个相对独立的部分并行处理。

例如，一次发布前审计可以同时检查：

• 前端；
• API；
• 数据库迁移；
• 测试；
• 文档；
• 安全风险。

这种任务适合 Ultra。

两者的区别可以简单记成：

Max：一个 agent 深挖同一道难题。Ultra：多个 agents 分头处理可以拆开的任务。

大多数普通开发任务，两者都不需要。

七、为什么 Codex 的 usage 会消耗得很快？

Codex 的消耗不只取决于“发了几条消息”。

Prompt、聊天历史、文件、代码、工具返回结果和最终输出都会占用 token；模型、上下文大小、reasoning 和工具使用，也都会影响 credit 消耗。

按照当前 rate card，在同样的 token 用量下：

• Sol 的 credit rate 大约是 Terra 的两倍；
• Sol 大约是 Luna 的五倍。

具体数字以后可能变化，但它说明了一件事：

选择模型，本身就是在分配开发预算。

长 Prompt、很大的 AGENTS.md、不必要的 MCP、不断增长的对话历史，以及长期使用高 effort，都会让消耗增加。OpenAI 的官方建议也包括：删除不必要的上下文、控制 AGENTS.md 的长度，并关闭当前任务不需要的 MCP。

所以，一个上午用掉大量 usage，不一定只是任务太多，也可能是每个任务都走了最重的路径。

八、答案不好时，先别急着升档

我现在会先判断问题出在哪里。

事实不新或缺少证据：

搜索网页、读取官方资料，而不是让模型继续猜。

没有理解真正目标：

重新说明 Goal、Context、Constraints 和 Done when。

Codex 总在 repo 里犯同一种错：

完善 AGENTS.md、测试和验证方式，而不是每次换成 Sol + Extra High。

分析明显太浅，漏掉多个条件：

这时再提高 effort。

任务太大，而且能够拆成几个独立方向：

拆任务，或者考虑 Ultra。

任务本身很简单，答案却越来越复杂：

降低档位，收紧输出要求。

我的默认选择

现在我大致会这样使用：

ChatGPT

• 日常问题：Instant，开启自动切换到 Medium；
• 普通认真讨论：Medium；
• 产品、写作、求职和复杂决策：High；
• 多材料核对和最终审稿：Extra High；
• 少量真正困难、高价值的任务：Pro。

Codex

• 清楚、重复、可验收：Luna；
• 日常功能和普通 bug：Terra；
• 复杂 bug、架构和跨模块任务：Sol；
• Effort 从 Medium 开始，不够再升；
• Max 和 Ultra 只留给确实符合它们工作方式的任务。

付费获得更高档位，当然应该使用。

但“充分使用”不等于每一次都选最高。

先选择适合任务的模型，再选择能够稳定完成任务的最低 effort。

当答案不好时，先找出缺的是信息、任务定义、上下文、工具、模型能力，还是推理投入。

知道什么时候需要最高档很重要。

知道什么时候不需要，也一样重要。