跳到主要內容Codex 模型怎麼選？Luna Max、Terra Max、Sol High／XHigh 配置建議 — CabAI返回 LibraryCodex 模型怎麼選？Luna Max、Terra Max、Sol High／XHigh 配置建議
2026 年 7 月 Codex 費率更新後，最高性價比選 Luna Max；正式任務建議 Terra Max 或 Sol High／XHigh。本文整理官方費率與 Fast Mode 實測，說明為什麼正式任務建議關閉 Fast。
約 7 分鐘閱讀- Codex
- GPT-5.6
- Fast Mode
- 模型選擇
如果你正在找「Codex 模型怎麼選」，更新後我的結論很直接：最高性價比選 Luna Max；綜合表現優先選 Sol High／XHigh 或 Terra Max。除此之外的配置，不建議作為正式執行任務的預設選擇，除非你的額度真的多到燒不完。
至於 Codex Fast 模式，2026-07-31 的配對實測顯示：相同任務的 reasoning tokens 減少 35.9%，總執行時間縮短 35.8%，但單位 token/s 並沒有飛躍提升。對正式任務而言，我的建議是關閉 Fast。
先看結論：Codex 正式任務建議配置
- 最高性價比：Luna Max
- 綜合表現最佳：Sol High／XHigh 或 Terra Max
- 其他配置：不建議作為正式任務預設，除非額度多到燒不完
- Fast 模式：正式任務建議關閉
這不是在說其他配置完全不能用，而是當你同時考慮任務品質、推理深度與額度消耗時，多數中間配置都落在一個尷尬的位置：沒有便宜到值得犧牲能力，也沒有強到值得多付額度。
為什麼最高性價比是 Luna Max？
相較 GPT-5.6 在 2026 年 7 月 9 日發表時的價格，這次更新後：
- Luna 價格降低 80%
- Terra 價格降低 20%
- Sol 價格維持不變
目前 Codex 的 token-based rate card 如下：
| 模型 | Input／1M tokens | Cached input／1M tokens | Output／1M tokens |
|---|
| GPT-5.6 Sol | 125 credits | 12.5 credits | 750 credits |
| GPT-5.6 Terra | 50 credits | 5 credits | 300 credits |
| GPT-5.6 Luna | 5 credits | 0.5 credits | 30 credits |
換句話說，在相同 token 類型下：
- Luna 的費率只有 Terra 的十分之一
- Luna 的費率只有 Sol 的二十五分之一
Luna 原本的問題是價格和能力定位不夠匹配，但降價 80% 後，整個性價比結構已經改變。
這也是為什麼我會直接推薦 Luna Max。既然 Luna 每單位 token 的費率已經低到這個程度，就沒有太大必要再壓低 reasoning effort。直接開到 Max，保留足夠的推理與任務執行空間，整體成本仍遠低於 Terra 與 Sol。
如果任務可以被清楚定義、驗收標準明確，而且不是最高風險的複雜決策，Luna Max 會是目前最划算的正式執行配置。
為什麼綜合表現選 Sol High／XHigh 或 Terra Max？
如果你要的是綜合能力，而不是單純追求低成本，我會優先考慮：
- Sol High
- Sol XHigh
- Terra Max
Sol 適合真正複雜、高價值，而且需要模型持續處理不確定性的工作，例如：
- 大型專案規劃
- 跨系統架構判斷
- 高風險程式碼修改
- 長時間研究與驗證
- 多階段、難以事先完全定義的 Agent 任務
High 已經能處理多數正式工作；XHigh 則適合推理品質明顯比額度重要的任務。
Terra Max 位於另一個很實用的位置：能力、穩定度與價格比 Sol 更平衡。當 Luna 的能力不夠，但 Sol 的成本又沒有必要時，Terra Max 是最合理的選擇。
因此，我目前不建議把其他中間配置當成正式任務的預設值。要省，就直接使用 Luna Max；要穩定的綜合能力，就使用 Terra Max；要處理真正困難的工作，就使用 Sol High／XHigh。
Codex Fast 模式官方怎麼說？
OpenAI 官方文件表示，Fast 模式會讓支援模型的速度提升至 1.5 倍，但同時提高額度消耗：
- GPT-5.6：Standard 的 2.5 倍 credits
- GPT-5.5：Standard 的 2.5 倍 credits
- GPT-5.4：Standard 的 2 倍 credits
問題在於，官方所說的「1.5 倍速度」，不一定等於你實際執行完整 Agent 任務時，模型每秒產生 token 的能力真的提升了 1.5 倍。
Agent 任務的總時間還包含思考、工具操作、檔案讀寫、指令執行、等待與驗證。因此，要判斷 Fast 到底快在哪裡，不能只看最後的總執行時間。
2026-07-31 Fast Mode 重測結果
社群使用者 Nyanako0129 使用 Codex CLI，針對相同工作負載進行四組 Standard／Fast 配對測試，並盡可能控制 prompt cache 等變因。
| 指標 | Standard | Fast | 差異 |
|---|
| 平均總執行時間 | 44.23 秒 | 28.38 秒 | -35.8% |
| 平均 generated tokens | 1,744.5 | 1,196.5 | -31.4% |
| 平均 reasoning tokens | 1,456 | 933.5 | -35.9% |
| 正規化 token throughput | 40.78 tokens/s | 43.86 tokens/s | +7.6% |
如果只看總執行時間，Fast 確實縮短了 35.8%。但同一時間：
- reasoning tokens 減少了 35.9%
- generated tokens 減少了 31.4%
- 單位 token throughput 只增加 7.6%
- 逐組配對的 throughput ratio 中位數約只增加 0.1%
也就是說，Fast 模式並沒有出現接近 1.5 倍的單位 token/s 飛躍。反而是 reasoning tokens 的下降幅度，幾乎和總執行時間的下降幅度完全一致。
就這組實測來看，最合理的解讀是：Fast 模式的主要加速來源，可能不是模型真的在單位時間內產生更多 token，而是它減少了思考輸出，因而同時減少等待思考結果的時間。
換句話說，Fast 在實際任務裡呈現的效果，可能更接近「降低模型實際投入的思考量」，而不是真正意義上的推理吞吐加速。
這是根據目前實測結果得出的操作性結論，不是 OpenAI 對內部機制的官方說明；但對需要決定是否開啟 Fast 的使用者來說，已足以作為配置判斷。
為什麼正式任務建議關閉 Fast？
- 額度消耗是 Standard 的 2.5 倍。
- 單位 token/s 沒有出現相應幅度的提升。
- 總時間縮短主要伴隨 reasoning tokens 大幅減少。
如果你的任務只是追求互動反應速度，或只是進行簡單、低風險、可以立刻人工檢查的修改，Fast 或許仍能提供主觀上比較快的使用體驗。
- 模型有沒有想完整
- 是否漏掉條件
- 工具操作與驗證是否充分
- 最後結果能不能直接交付
- 失敗後的重工成本
在這種情況下，為了縮短等待時間而付出 2.5 倍額度，卻可能只換到更少的思考輸出，並不是一筆划算的交換。
如果真的覺得某個任務不需要那麼多思考，直接調整 reasoning effort，會比開啟 Fast 更透明，也比較容易控制品質與額度。
Codex 模型選擇快速對照
- 大量、明確、可驗收的正式執行任務：Luna Max
- 需要能力與成本平衡的正式任務：Terra Max
- 困難、高價值、不能隨便出錯的任務：Sol High／XHigh
- 額度多到燒不完：再考慮其他配置
- 正式任務：Fast 關閉
要省就用 Luna Max，要穩就用 Terra Max，要強就用 Sol High／XHigh；正式任務不要開 Fast。
實測作者與延伸資源
這次 Fast Mode 重測由 Nyanako0129 整理。需要注意的是，她在社群上的名稱為 Nyanako0129，GitHub 帳號則是 Nanako0129。
除了 Codex Fast Mode 實測之外，也可以查看她公開的兩個專案。
Pilotfish
Pilotfish 是一套為 Claude Code 設計的多模型協作層。它讓能力較強的模型負責規劃與決策，再交由成本較低的模型透過 subagents 執行大量工作，最後使用獨立的強模型 context 驗證成果。
TokenBar
TokenBar 是使用原生 Swift 開發的 macOS 選單列工具，用來監控 AI Agent 的 token 使用量與額度。目前支援追蹤 Claude Code、Codex、Cursor、OpenCode，以及二十五種以上的 AI Agent，相關資料皆在本機處理。
人類與 Agent 可直接取得的資源
（如果你平常使用 Codex、Claude Code 或其他 AI Agent，建議追蹤 Nyanako0129 的 Threads，並查看、收藏她的 GitHub、Pilotfish 與 TokenBar；後續可以直接從這些入口取得她公開的實測、工具與專案更新。）
資料來源
本文資訊與建議適用日期：2026 年 7 月 31 日。Codex 費率、模型能力與 Fast 行為可能持續調整，使用前請重新確認官方文件。