Codex GPT-5.6 模型使用建议
数据来源： DeepSWE
| 模型档位 | Pass@1 | 单次成本 | 输出 | Steps | 预期成功成本 |
|---|---|---|---|---|---|
| Sol [max] | 73% | $8.39 | 60k | 61 | $11.49 |
| Sol [xhigh] | 71% | $4.70 | 41k | 44 | $6.62 |
| Terra [max] | 70% | $4.95 | 72k | 76 | $7.07 |
| Sol [high] | 69% | $3.47 | 28k | 37 | $5.03 |
| Luna [max] | 67% | $3.03 | 73k | 102 | $4.52 |
| Sol [medium] | 61% | $1.86 | 18k | 31 | $3.05 |
| Terra [xhigh] | 60% | $2.13 | 40k | 43 | $3.55 |
| Luna [xhigh] | 57% | $1.54 | 45k | 71 | $2.70 |
| Terra [high] | 54% | $1.13 | 22k | 34 | $2.09 |
| Luna [high] | 44% | $0.78 | 26k | 49 | $1.77 |
| Terra [medium] | 35% | $0.58 | 12k | 25 | $1.66 |
结论：
-
性价比最高：
Terra [high]
是较便宜但仍具备一定独立完成能力的档位。 -
日常开发首选：
Sol [medium]或Sol [high]
Sol [high] 在价格仍然可控的情况下，获得了接近顶级档位的成功率，若中等预算，选择 Sol [medium] -
高难任务首选：
Sol [xhigh]
适合大型仓库、跨模块修改、疑难 Bug、复杂架构任务和重要发布前修复。 -
大批量异步任务：
Luna [high]或Luna [xhigh]
适合后台并行、夜间批处理、自动生成测试、批量处理小 Issue 等不在意等待时间的场景。
为什么不建议默认使用 max？
GPT-5.6 Sol 从 high 提升到 max：
通过率：69% → 73%，只增加 4 个百分点
成本：$3.47 → $8.39，增加约 142%
Sol max 应当是升级档，而不是默认档。 适用于生产事故、关键安全修复、复杂底层代码或一次失败会产生高额人工成本的任务。
跟我的 Grok 说去吧