GPT-6 in Codex: Einrichtung, getestete Konfigurationen und häufige Fehler

GPT-6 Astra, GPT-6 Sol und GPT-6 Luna funktionieren alle als Modell in OpenAIs Codex CLI mit einem SeedRouter-Key. Fügen Sie SeedRouter zu ~/.codex/config.toml hinzu, exportieren Sie Ihren Key und starten Sie Codex mit gpt-6-astra, gpt-6-sol oder gpt-6-luna. Sie zahlen pro Token aus Ihrem SeedRouter-Guthaben, ohne ChatGPT-Tarif. In unseren Testläufen am 29. September 2026 mit Codex CLI 0.157.0 haben alle drei Modelle eine Datei erstellt, ausgeführt, bearbeitet, erneut ausgeführt und beide Ausgaben korrekt gemeldet.

Wie nutze ich GPT-6 in Codex?

Fügen Sie SeedRouter zu Ihrer benutzerweiten ~/.codex/config.toml hinzu:

model = "gpt-6-astra"
model_provider = "seedrouter"

[model_providers.seedrouter]
name = "SeedRouter"
base_url = "https://api.seedrouter.ai/v1"
env_key = "SEEDROUTER_API_KEY"
wire_api = "responses"

Exportieren Sie dann den Key und starten Sie Codex:

export SEEDROUTER_API_KEY=sk-your-seedrouter-key
codex

Um das Modell für eine Sitzung zu wechseln, übergeben Sie es auf der Kommandozeile, zum Beispiel codex -m gpt-6-sol. Codex' Konfigurationsreferenz sagt, dass responses der einzige unterstützte Wert für wire_api ist und der Standard, wenn er fehlt. GPT-6 nutzt für Tools die Responses API, auf die Codex angewiesen ist, um Dateien zu lesen, zu bearbeiten und auszuführen.

Legen Sie diese Einstellungen in ~/.codex/config.toml ab, nicht in der .codex/config.toml eines Projekts. OpenAIs Leitfaden zur erweiterten Konfiguration sagt, dass Codex model_provider und model_providers in projektlokaler Konfiguration ignoriert „und beim Start eine Warnung ausgibt, wenn es sie findet“.

Welches GPT-6-Modell sollte ich in Codex wählen?

Codex 0.157.0 kennt alle drei Modell-IDs bereits, startet also ohne Warnungen und wendet für jedes seine eigenen Standardwerte an. Ist model_reasoning_effort nicht gesetzt, sendet es trotzdem mit jeder Anfrage eine Aufwandsstufe: In unseren Läufen war das low für GPT-6 Astra und medium für Sol und Luna. Der Vergleich von Astra, Sol und Luna behandelt die Unterschiede ausführlicher, und jede Modellseite zeigt aktuelle Tarife: Astra, Sol, Luna.

Wie setze ich den Reasoning-Aufwand für GPT-6 in Codex?

Setzen Sie model_reasoning_effort in der config.toml:

model_reasoning_effort = "medium"

Codex' Konfigurationsreferenz beschreibt es als „vom ausgewählten Modell angebotener Reasoning-Aufwand, etwa low, medium, high, xhigh, max oder ultra. Die verfügbaren Stufen hängen von Modell und Client ab.“ Für GPT-6 Astra listet Codex auch ultra, das es als „maximales Reasoning mit automatischer Aufgabendelegation“ bezeichnet. Das ist eine Codex-Einstellung, keine API-Aufwandsstufe: In unserem Testlauf mit ultra trugen die Anfragen, die Codex sendete, xhigh.

Höherer Aufwand bedeutet mehr Reasoning-Token, und Reasoning wird als Ausgabe abgerechnet. Für einen Coding-Agenten, der viele Schritte ausführt, beginnen Sie mit dem Standard und erhöhen ihn nur für Aufgaben, die es brauchen.

Was bewirkt model_context_window für GPT-6 in Codex?

Codex' Konfigurationsreferenz beschreibt es als „für das aktive Modell verfügbare Kontextfenster-Token“. GPT-6 Astra, Sol und Luna haben ein Kontextfenster von 1,05M Token mit bis zu 922K Eingabe-Token (siehe GPT-6 Astra Docs), doch Codex verwendet einen eigenen, kleineren Wert, sofern Sie ihn nicht ändern.

Was wir in Codex 0.157.0 gemessen haben:

Ohne die Einstellung arbeitet Codex mit einem Fenster von 272.000 Token. Ein höherer Wert vergrößerte das Fenster, aber nicht auf den gesetzten Wert: Codex' eingebautes Profil für GPT-6 begrenzt es auf 872.000 Token. Das sinnvolle Maximum ist also:

model_context_window = 872000

Denken Sie an die Kosten, bevor Sie den Wert erhöhen. Eine GPT-6-Anfrage mit mehr als 272K Eingabe-Token wird für die gesamte Anfrage zu den Langkontext-Tarifen abgerechnet, und Codex' Standardfenster hält eine Sitzung unter dieser Grenze. Kontextfenster vs. maximale Ausgabe-Token erklärt, wie sich die beiden Limits unterscheiden. Codex hat keine Einstellung für das Ausgabelimit.

Was haben wir getestet?

Wir gaben jedem Modell in codex exec dieselbe vierstufige Aufgabe: fib.py erstellen, die die ersten 10 Fibonacci-Zahlen ausgibt, sie mit python3 ausführen, sie auf 15 Zahlen ändern, erneut ausführen und beide Ausgaben melden.

Jedes Modell meldete dieselben zwei Zeilen:

0 1 1 2 3 5 8 13 21 34
0 1 1 2 3 5 8 13 21 34 55 89 144 233 377

Die von Codex gemeldeten Token-Zahlen stimmten Anfrage für Anfrage mit den Nutzungsdaten in unserem SeedRouter-Konto überein, was bestätigt, dass jeder Aufruf über den SeedRouter-Key lief.

Die erste Anfrage einer Codex-Sitzung ist die größte: Codex sendet seine Anweisungen und Tool-Definitionen, in unseren Läufen etwa 15.000 bis 20.000 Eingabe-Token, bevor das Modell irgendetwas tut. Spätere Runden senden dasselbe Präfix erneut, und in unserem Lauf mit GPT-6 Astra wurden mehr als 98 % der Eingabe jeder späteren Runde aus dem Cache gelesen. Damit ist die erste Runde die teuerste einer Sitzung: Das Präfix wird in den Cache geschrieben, und Cache-Schreibvorgänge werden zum 1,25-Fachen des Eingabetarifs abgerechnet, wie der GPT-6 Preisleitfaden erklärt.

Warum sagt Codex, dass GPT-6 nicht verfügbar ist?

Die Meldung hängt davon ab, wie Sie sich anmelden.

Mit einem SeedRouter-Key schlägt eine nicht existierende Modell-ID fehl. Als wir Codex mit -m gpt-6 starteten, was keine der drei Modell-IDs ist, gab Codex aus:

warning: Model metadata for `gpt-6` not found. Defaulting to fallback metadata; this can degrade performance and cause issues.
ERROR: Reconnecting... 1/5
...
ERROR: Reconnecting... 5/5
ERROR: unexpected status 503 Service Unavailable: The requested model is not available.

Die Anfrage-URL und die ID haben wir aus der letzten Zeile entfernt. Codex versucht es fünfmal, bevor es aufgibt. Verwenden Sie die exakte Modell-ID: gpt-6-astra, gpt-6-sol oder gpt-6-luna. Die Zeile Model metadata ... not found ist nur eine Warnung, dass Codex den Namen nicht erkennt; die Anfrage scheiterte, weil die Modell-ID nicht existiert, wie die letzte Zeile sagt.

Mit einer ChatGPT-Anmeldung hängt der Zugang von Ihrem Tarif und Ihrer Codex-Version ab. OpenAIs Hilfeartikel GPT-5.6 and GPT-6 Pro in ChatGPT sagt: „Plus-Tarife enthalten GPT‑6 Astra in ChatGPT Work und Codex.“ und „Für die Codex CLI erfordert Astra Version 0.153.0 oder neuer.“ Prüfen Sie Ihre Version mit codex --version und aktualisieren Sie, wenn sie älter ist. Ein SeedRouter-Key hängt nicht von einem ChatGPT-Tarif ab.

Brauche ich ein ChatGPT-Abo, um GPT-6 in Codex zu nutzen?

Nein. OpenAIs Codex-Authentifizierungsdokumentation nennt zwei Anmeldewege: „Mit ChatGPT anmelden für Zugang per Abo“ und „Mit einem API-Key anmelden für nutzungsbasierten Zugang“. Ein SeedRouter-Key funktioniert auf dem zweiten Weg: Codex sendet jede Anfrage an SeedRouter, und Sie zahlen pro Token aus Ihrem Guthaben. Dieselbe Seite merkt an, dass „Codex Cloud eine Anmeldung mit ChatGPT erfordert“, die Cloud-Aufgaben stehen mit einem API-Key also nicht zur Verfügung. Lokale Sitzungen der Codex CLI, wie in unseren Läufen, funktionieren.

Häufig gestellte Fragen

Welche Codex-Version brauche ich für GPT-6?

Unsere Läufe nutzten Codex CLI 0.157.0. Für die ChatGPT-Anmeldung verlangt OpenAI für GPT-6 Astra Version 0.153.0 oder neuer. Eine aktuelle Version liefert außerdem Codex' eingebaute Einstellungen für die GPT-6-Modelle.

Kann ich GPT-6 in Codex mit der Chat Completions API nutzen?

Nein. Codex spricht nur die Responses API, und GPT-6 Astra unterstützt kein Function Calling über Chat Completions, Tools brauchen also ohnehin die Responses API. Behalten Sie wire_api = "responses" bei.

Kann ich temperature mit GPT-6 Astra in Codex nutzen?

Nein. GPT-6 Astra denkt immer nach und akzeptiert weder temperature noch top_p. Passen Sie stattdessen model_reasoning_effort an.

Wie bekomme ich einen SeedRouter-Key?

Registrieren Sie sich, erstellen Sie im Dashboard einen Key und laden Sie Guthaben auf. Jedes neue Konto startet mit einem kleinen kostenlosen Guthaben, genug, um eine kurze Codex-Sitzung mit GPT-6 Luna auszuprobieren; eine Sitzung mit GPT-6 Astra kostet mehr, da allein ihre erste Runde etwa 20.000 Token in den Cache schreibt. Der GPT-6 API Leitfaden zeigt, wie Sie die Modelle aus Ihrem eigenen Code aufrufen.