Codex: como economizar limites com Fast e modelos

👁 111 leituras

Nas configurações do Codex, na aba Uso e cobrança, há uma frase que vale a pena ler duas vezes: “Limite compartilhado entre Codex, modo Work, agentes do espaço de trabalho e ChatGPT for Excel. As conversas no chat não entram nesse limite”. Logo abaixo, aparece uma barra do limite semanal. No primeiro dia, ela mostrava 100%. Algumas horas depois, ao conferir um arquivo de configuração, encontrei uma opção que vinha consumindo esse limite duas vezes e meia mais rápido havia semanas.

O responsável era o modo Fast. A seguir, explico quanto ele consome, como escolher o modelo e o nível de raciocínio para cada tarefa e quais configurações deixei como padrão. Os números vêm da documentação da OpenAI ou dos meus testes de 3 de novembro.

O modo Fast consome 2,5 vezes mais

O modo Fast acelera as respostas do modelo. Segundo a OpenAI, o trabalho fica 1,5 vez mais rápido. O custo está descrito no mesmo documento: dentro do limite da assinatura, o Fast consome 2,5 vezes mais do que o modo padrão; com créditos comprados à parte, consome duas vezes mais. Ele funciona com GPT-6.1 Sol, GPT-6.1 Terra, GPT-6 Astra, GPT-6 Sol e GPT-6 Luna, onde estiver disponível.

Há também o Ultrafast, disponível apenas para GPT-6 Astra e GPT-6.1 Sol. Ele consome oito vezes mais do que o modo padrão no limite da assinatura e seis vezes mais com créditos. Uma hora de trabalho no Ultrafast equivale, portanto, ao consumo de oito horas no modo normal.

No meu caso, o Fast estava ativado por padrão em dois lugares. No arquivo ~/.codex/config.toml, havia service_tier = "priority"; na seção do aplicativo para desktop, default-service-tier = "priority". No Codex, Priority é o mesmo que Fast, mas com o nome antigo. Removi as duas linhas. Quando estou com pressa, digito /fast on no Codex e, quando termino, /fast off. Para conferir o estado, uso /fast status.

Se você quiser manter o Fast ativado, a documentação indica estas duas linhas:

service_tier = "fast"

[features]
fast_mode = true

Sol, Astra ou Luna: qual modelo escolher?

O Codex exibe várias opções de modelo, mas as descrições no aplicativo são curtas. O GPT-6.1 Sol é “o mais recente modelo de trabalho para código e tarefas do dia a dia”. O GPT-6 Astra é “inteligência de ponta para as tarefas mais exigentes”. O GPT-6 Luna é “um modelo rápido e barato para tarefas mais simples”. Também há o GPT-6.1 Terra, que testei separadamente no artigo GPT-6.1 Terra no Codex, além de modelos mais antigos das séries 6 e 5.6.

O Astra tem raciocínio mais forte, mas é de uma série anterior à do Sol 6.1. Por isso, não o deixei como modelo padrão. Uso-o em tarefas em que um erro custa mais do que o tempo: arquitetura de um aplicativo novo, um bug difícil que o Sol já diagnosticou errado ou uma pesquisa extensa. Para renomear arquivos, criar um script simples ou ler um log, o Luna em nível baixo é suficiente.

O nível de raciocínio também afeta o consumo

Cada modelo tem um controle de esforço de raciocínio: low, medium, high, xhigh e max; a maioria também oferece ultra. O Luna vai até max. No guia de prompting do Codex, a OpenAI recomenda medium para o uso diário e high ou xhigh para as tarefas mais difíceis e longas. Um nível mais alto significa mais raciocínio antes da resposta e, portanto, maior consumo do limite.

Deixei high como padrão. Faço principalmente projetos completos, do início ao fim, em que um erro aparentemente mais barato acaba custando mais do que pensar por mais tempo. Ativo max e ultra manualmente para tarefas específicas. No arquivo de configuração, fica assim:

model = "gpt-6.1-sol"
model_reasoning_effort = "high"
plan_mode_reasoning_effort = "xhigh"

A terceira linha é para o modo de planejamento. O plano é criado uma vez e determina todo o trabalho seguinte, então vale a pena dar mais tempo ao modelo nessa etapa. Depois, a execução do plano fica no nível normal, high.

Até uma pergunta curta consome limite

Ao configurar o Codex, fiz perguntas de verificação pelo terminal, como “qual é sua regra sobre hífens?”. A resposta tinha algumas linhas, mas o contador mostrava entre 19 mil e 24,5 mil tokens a cada vez. Mesmo em uma conversa vazia, o Codex envia ao modelo as próprias instruções, meu arquivo AGENTS.md, a lista de skills disponíveis e as descrições das ferramentas. Por isso, dez perguntas de uma frase custam mais do que uma pergunta com dez tópicos.

Esses testes foram feitos em polonês. A pergunta em português acima é uma tradução do material de teste original em polonês, não um novo teste em português. Desde então, adotei três hábitos:

• Envio a tarefa inteira em uma única mensagem, com o contexto e o resultado esperado, em vez de conduzir a conversa passo a passo.
• Mantenho o AGENTS.md curto. Passei os detalhes para skills, que só são carregadas quando necessário.
• Não estendo conversas longas indefinidamente. Uma conversa nova, com um bom AGENTS.md, custa menos do que a centésima mensagem em uma conversa antiga.

A memória do Codex também consome o limite

Também ativei a memória do Codex (memories = true na seção [features]). O Codex extrai notas das conversas e as usa mais tarde, como faz o Claude Code. Criar essas notas também consome o limite, mas há uma proteção: com as configurações padrão, o Codex deixa de gerá-las quando resta menos de 25% do limite. O valor pode ser alterado com a chave memories.min_rate_limit_remaining_percent.

Quando o limite semanal acaba, o Codex pode continuar trabalhando com créditos comprados à parte. Na mesma aba, você vê o saldo e a opção de recarga automática. Ao comprar, a OpenAI promete até 40% de desconto. Não ativei a recarga automática. Prefiro que o fim do limite sirva de alerta, em vez de gerar uma cobrança silenciosa.

Expliquei como são os limites no plano mais barato no artigo Limites do Codex no ChatGPT Plus. No guia Como levar o Claude Code para o Codex, mostro como transferir regras e skills do Claude Code para o Codex, para não precisar explicar tudo de novo a cada mensagem. Mas o que mais fez diferença para mim foi remover uma única linha: service_tier = "priority". Agora, o mesmo limite semanal dá para trabalhar duas vezes e meia mais do que com uma configuração que eu nem lembrava de ter ativado.

Fontes

• OpenAI, Speed (Fast e Ultrafast): https://learn.chatgpt.com/docs/agent-configuration/speed
• OpenAI, Configuration Reference: https://learn.chatgpt.com/docs/config-file/config-reference
• OpenAI Cookbook, Codex Prompting Guide: https://developers.openai.com/cookbook/examples/gpt-5/codex_prompting_guide
• Configurações do Codex Desktop, aba Uso e cobrança, situação em 3 de novembro de 2026
• Testes próprios com Codex CLI 0.162.1, em 3 de novembro de 2026

// continue lendoModelos de IA com pesos abertos: Muse Spark Open e maisGeralDeepSeek aumenta preços de 2 modelos: V4 Flash em 168%, V4 Pro em 11%Notícias rápidasDeepSeek reduz preços de 2 modelos: V4 Flash em 90%, V4 Pro em 77%Notícias rápidas