GPT-6 dans Codex : configuration, configs testées et erreurs

GPT-6 Astra, GPT-6 Sol et GPT-6 Luna fonctionnent tous comme modèle dans Codex CLI d'OpenAI avec une clé SeedRouter. Ajoutez SeedRouter à ~/.codex/config.toml, exportez votre clé et lancez Codex avec gpt-6-astra, gpt-6-sol ou gpt-6-luna. Vous payez au token sur votre solde SeedRouter, sans offre ChatGPT. Lors de nos essais du 29 septembre 2026 avec Codex CLI 0.157.0, les trois modèles ont créé un fichier, l'ont exécuté, modifié, exécuté à nouveau et ont correctement rapporté les deux sorties.

Comment utiliser GPT-6 dans Codex ?

Ajoutez SeedRouter à votre ~/.codex/config.toml au niveau utilisateur :

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"

Exportez ensuite la clé et lancez Codex :

export SEEDROUTER_API_KEY=sk-your-seedrouter-key
codex

Pour changer de modèle le temps d'une session, passez-le en ligne de commande, par exemple codex -m gpt-6-sol. La référence de configuration de Codex indique que responses est la seule valeur prise en charge pour wire_api, et la valeur par défaut si elle est omise. GPT-6 utilise la Responses API pour les outils, sur lesquels Codex s'appuie pour lire, modifier et exécuter des fichiers.

Placez ces réglages dans ~/.codex/config.toml, pas dans le .codex/config.toml d'un projet. Le guide de configuration avancée d'OpenAI indique que Codex ignore model_provider et model_providers dans la configuration locale d'un projet « et affiche un avertissement au démarrage lorsqu'il les rencontre ».

Quel modèle GPT-6 choisir dans Codex ?

ID du modèle	Idéal pour	Effort envoyé par défaut par Codex dans notre test
`gpt-6-astra`	Les tâches de code et de raisonnement les plus difficiles	`low`
`gpt-6-sol`	Le travail de code au quotidien	`medium`
`gpt-6-luna`	Les étapes rapides et moins chères	`medium`

Codex 0.157.0 connaît déjà les trois ID de modèle : il démarre donc sans avertissement et applique ses propres valeurs par défaut à chacun. Quand model_reasoning_effort n'est pas défini, il envoie tout de même un niveau d'effort à chaque requête : dans nos essais, low pour GPT-6 Astra et medium pour Sol et Luna. La comparaison d'Astra, Sol et Luna détaille les différences, et chaque page modèle affiche les tarifs actuels : Astra, Sol, Luna.

Comment régler l'effort de raisonnement de GPT-6 dans Codex ?

Définissez model_reasoning_effort dans config.toml :

model_reasoning_effort = "medium"

La référence de configuration de Codex le décrit comme « l'effort de raisonnement annoncé par le modèle sélectionné, par exemple low, medium, high, xhigh, max ou ultra. Les niveaux disponibles dépendent du modèle et du client. » Pour GPT-6 Astra, Codex liste aussi ultra, qu'il décrit comme un « raisonnement maximal avec délégation automatique des tâches ». C'est un réglage de Codex, pas un niveau d'effort de l'API : lors de notre essai avec ultra, les requêtes envoyées par Codex portaient xhigh.

Un effort plus élevé signifie plus de tokens de raisonnement, et le raisonnement est facturé comme sortie. Pour un agent de code qui enchaîne de nombreuses étapes, commencez par la valeur par défaut et ne l'augmentez que pour les tâches qui en ont besoin.

À quoi sert model_context_window pour GPT-6 dans Codex ?

La référence de configuration de Codex le décrit comme les « tokens de fenêtre de contexte disponibles pour le modèle actif ». GPT-6 Astra, Sol et Luna ont une fenêtre de contexte de 1,05M tokens avec jusqu'à 922K tokens d'entrée (voir la documentation de GPT-6 Astra), mais Codex utilise son propre chiffre, plus petit, sauf si vous le modifiez.

Ce que nous avons mesuré dans Codex 0.157.0 :

Réglage	Fenêtre utilisable indiquée par Codex
Non défini	258 400 tokens
`model_context_window = 1050000`	828 400 tokens

Sans ce réglage, Codex travaille avec une fenêtre de 272 000 tokens. Une valeur plus haute a agrandi la fenêtre, mais pas jusqu'à la valeur définie : le profil intégré de Codex pour GPT-6 la plafonne à 872 000 tokens. Le maximum utile est donc :

model_context_window = 872000

Pensez au coût avant de l'augmenter. Une requête GPT-6 de plus de 272K tokens d'entrée est facturée aux tarifs contexte long pour toute la requête, et la fenêtre par défaut de Codex maintient une session sous ce seuil. Fenêtre de contexte vs tokens de sortie max explique la différence entre les deux limites. Codex n'a aucun réglage pour la limite de sortie.

Qu'avons-nous testé ?

Nous avons donné à chaque modèle la même tâche en quatre étapes dans codex exec : créer fib.py pour afficher les 10 premiers nombres de Fibonacci, l'exécuter avec python3, le modifier pour en afficher 15, l'exécuter à nouveau et rapporter les deux sorties.

Modèle	Requêtes	Résultat
`gpt-6-luna`	2	Les deux sorties rapportées correctement ; a écrit et exécuté les deux versions en une seule commande shell
`gpt-6-astra`	4	Les deux sorties rapportées correctement ; a modifié le fichier avec l'outil patch de Codex et l'a exécuté avec l'outil shell
`gpt-6-sol`	5	Les deux sorties rapportées correctement ; deux patchs et deux exécutions

Chaque modèle a rapporté les deux mêmes lignes :

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

Les nombres de tokens indiqués par Codex correspondaient, requête par requête, aux relevés d'usage de notre compte SeedRouter, ce qui confirme que chaque appel est passé par la clé SeedRouter.

La première requête d'une session Codex est la plus volumineuse : Codex envoie ses instructions et ses définitions d'outils, environ 15 000 à 20 000 tokens d'entrée dans nos essais, avant que le modèle ne fasse quoi que ce soit. Les tours suivants renvoient le même préfixe, et lors de notre essai avec GPT-6 Astra, plus de 98 % de l'entrée de chaque tour suivant a été lu depuis le cache. Le premier tour est donc le plus coûteux d'une session : le préfixe est écrit dans le cache, et les écritures de cache sont facturées 1,25 fois le tarif d'entrée, comme l'explique le guide des tarifs GPT-6.

Pourquoi Codex dit-il que GPT-6 n'est pas disponible ?

Le message dépend de votre mode de connexion.

Avec une clé SeedRouter, un ID de modèle qui n'existe pas échoue. Quand nous avons lancé Codex avec -m gpt-6, qui n'est pas l'un des trois ID de modèle, Codex a affiché :

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.

Nous avons retiré l'URL et l'ID de la requête de la dernière ligne. Codex réessaie cinq fois avant d'abandonner. Utilisez l'ID de modèle exact : gpt-6-astra, gpt-6-sol ou gpt-6-luna. La ligne Model metadata ... not found n'est qu'un avertissement indiquant que Codex ne reconnaît pas le nom ; la requête a échoué parce que l'ID de modèle n'existe pas, comme le dit la dernière ligne.

Avec une connexion ChatGPT, l'accès dépend de votre offre et de votre version de Codex. L'article d'aide d'OpenAI GPT-5.6 and GPT-6 Pro in ChatGPT indique : « Les offres Plus incluent GPT‑6 Astra dans ChatGPT Work et Codex. » et « Pour Codex CLI, Astra nécessite la version 0.153.0 ou ultérieure. » Vérifiez votre version avec codex --version et mettez à jour si elle est plus ancienne. Une clé SeedRouter ne dépend pas d'une offre ChatGPT.

Faut-il un abonnement ChatGPT pour utiliser GPT-6 dans Codex ?

Non. La documentation d'authentification de Codex d'OpenAI liste deux façons de se connecter : « Se connecter avec ChatGPT pour un accès par abonnement » et « Se connecter avec une clé API pour un accès à l'usage ». Une clé SeedRouter fonctionne de la seconde façon : Codex envoie chaque requête à SeedRouter et vous payez au token sur votre solde. La même page précise que « Codex cloud nécessite une connexion avec ChatGPT », la fonctionnalité de tâches cloud n'est donc pas disponible avec une clé API. Les sessions locales de Codex CLI, celles de nos essais, fonctionnent.

Questions fréquentes

Quelle version de Codex faut-il pour GPT-6 ?

Nos essais ont utilisé Codex CLI 0.157.0. Avec une connexion ChatGPT, OpenAI exige la version 0.153.0 ou ultérieure pour GPT-6 Astra. Une version récente vous donne aussi les réglages intégrés de Codex pour les modèles GPT-6.

Puis-je utiliser GPT-6 dans Codex avec la Chat Completions API ?

Non. Codex ne parle que la Responses API, et GPT-6 Astra ne prend pas en charge le function calling sur Chat Completions, donc les outils exigent de toute façon la Responses API. Gardez wire_api = "responses".

Puis-je utiliser temperature avec GPT-6 Astra dans Codex ?

Non. GPT-6 Astra raisonne toujours et n'accepte ni temperature ni top_p. Ajustez plutôt model_reasoning_effort.

Comment obtenir une clé SeedRouter ?

Inscrivez-vous, créez une clé dans votre tableau de bord et ajoutez des fonds. Chaque nouveau compte démarre avec un petit solde gratuit, de quoi essayer une courte session Codex sur GPT-6 Luna ; une session GPT-6 Astra coûte plus cher, car son premier tour écrit à lui seul environ 20 000 tokens dans le cache. Le guide de l'API GPT-6 explique comment appeler les modèles depuis votre propre code.

GPT-6 dans Codex : configuration, configs testées et erreurs courantes