GPT-5.6 Codex 額度為何消耗特別快？272K tokens 可能是關鍵
長任務跑 Codex 時，GPT-5.6 的額度消耗看似異常，其實可能是單次 request 超過 272K tokens 後，整包請求直接切換到 Long context 計價，讓 input 與 cached input 費率同步翻倍。
【20260712 AI模型與技術】【OpenAI】【GPT-5.6 Codex 額度為何消耗特別快？272K tokens 可能是關鍵】 發布者：anson4139 這幾天有人拿 Codex 跑長任務，包含持續規劃、寫程式、跑測試、修錯誤，再重新檢查，結果發現 GPT-5.6 的額度消耗速度比預期快很多。🤖 原本直覺會以為，是 reasoning 較重，或是工具呼叫、檔案讀取次數比較多；但看到價格表後，關鍵可能不是單純的模型價格，而是 單次 request 的 context 超過 272K tokens ，就會直接進入另一個計價區間。 在一般短 context 下，GPT-5.6 Sol 的價格是：Input 5 美元／1M tokens、Cached input 0.5 美元、Output 30 美元；但只要 input 超過 272K，費率就變成 Input 10 美元、Cached input 1 美元、Output 45 美元，等於 input 和 read cache 幾乎直接翻倍。💸 更關鍵的是，這不是只針對「超過 272K 的部分」加價，而是只要這次 request 超過門檻，整包 request 都會套用 Long context 計價。由於 Codex 提供給 GPT-5.6 的 context window 是 372K，長時間同一個 session 累積程式碼、測試結果、錯誤 log、修改紀錄與對話後，很容易就跨過這條線。 文中也提到，若在 ~/.codex/config.toml 加入 model_context_window = 272000 、 model_auto_compact_token_limit = 240000 ，讓 Codex 在進入高費率區間前先 compact，理論上能讓額度更耐用。不過 compact 也可能犧牲部分早期細節，例如架構選擇原因、測試失敗內容、使用者特殊限制、檔案關聯與中途決策。🧠 目前的觀察是，Codex 在 compact 後銜接任務還算 OK；但如果是連續跑數小時的長任務，272K 這條線就很
https://blog.buclaw.org/posts/gpt-5-6-codex-272k-tokens-mrhd9hkg