GPT-5.6 系列大幅降价之后，很多人第一反应是“终于可以随便用了”。但降价改变的是单价，不是你该怎么选模型——尤其是在 Codex 里，同一个模型家族（Sol、Terra、Luna）还分好几档 reasoning effort，选错档位，省下的钱可能都花在返工上了。
这篇文章不聊定价数字，聊一个更实际的问题：面对 Sol、Terra、Luna 这几个模型，以及 low/medium/high/xhigh/max/ultra 这些推理档位，到底该怎么选？我们从一张 DeepSWE 基准测试图表说起，再讲清楚 Codex 里一个容易被忽略的配置项——某些高档位默认在界面上是不显示的。
一张图，两个维度
本文分析依据是用户提供的一张 DeepSWE 评测图表。图表横轴是 Avg cost per task（每个任务的平均成本），纵轴是 DeepSWE score（评测得分）。整体规律很直观：越靠右上角，代表分数越高、且花费的成本相对更低，是效率更好的位置。
图：DeepSWE 基准测试榜单（数据和标注按用户提供的评测图呈现）
顺带说一句，Sol、Terra、Luna 这三个名字在词义上很容易联想到太阳、地球和月亮。不过，公开的官方资料目前主要说明的是三个模型的能力与成本定位，并没有明确把这组词源解释为正式命名规则。因此，本文封面采用的是一个便于记忆的视觉隐喻，而不是对官方命名来源的确认。
图中比较了三个模型——gpt-5.6-sol、gpt-5.6-terra、gpt-5.6-luna——在不同 reasoning effort 档位下的表现。按图中这组评测，几个关键点比较清楚：
- Sol xhigh：得分最高，约在 71% 左右，但成本也最高，大约 4-5 美元/任务。
- Terra max：得分约 70%，非常接近 Sol xhigh，但成本明显更低，约 3.96 美元/任务。
- Luna max：得分约 67%-68%，落在图中标注的 “Luna max zone” 区域，成本比前两者都更低。
- medium 档位（不论哪个模型）：成本进一步下降，但分数也明显掉了一截，性价比反而不如高档位。
这里要强调一句：这些数字都是“按图中这组评测”读出来的，不是官方公布的精确基准，也不代表所有任务场景下的排名。DeepSWE 衡量的是特定类型的软件工程任务，你的实际项目未必和评测任务分布一致。
怎么选：三种典型场景
结合图表和实际使用经验，可以给出几条相对稳妥的判断：
追求最高解题能力、任务本身复杂（比如疑难 bug、跨模块重构、需要深度推理的架构设计）——选 Sol xhigh。它在图中分数最高，虽然成本也最高，但复杂任务本身试错成本更高，宁可一次多花点算力成本，换取更高的正确率。
日常大多数编程任务，想要质量和成本的平衡——优先考虑 Terra max。它的得分只比 Sol xhigh 低一点点，但成本明显更低，是图中性价比最突出的一个点。如果你的团队要控制月度 API 支出，又不想牺牲太多质量，Terra max 是个务实的默认选项。
预算敏感、任务相对简单（小修改、格式调整、简单脚本），或者想要更快的迭代速度——可以考虑 Luna max。分数比前两者低一截，但成本优势明显，适合“跑得多、跑得快”的场景，比如批量处理简单任务、快速试错。
需要提醒的是：不要把 benchmark 上的排名当成所有任务的绝对排名。真实工作中还有几个变量图表没有体现：
- 代码库规模：大型仓库里的上下文管理能力，不同模型表现可能和评测差异很大。
- 工具调用能力：如果你的工作流严重依赖多轮工具调用（搜索、执行、验证），稳定性比单次评测分数更重要。
- 上下文长度：评测任务通常规模有限，长上下文场景下的衰减程度需要自己实测。
- 速度：高分模型往往响应更慢，如果你在做交互式调试，响应速度本身就是体验的一部分。
简单说：DeepSWE 图表是一个很好的起点，但不是终点。拿它做初筛，再用自己的真实任务跑一跑，才是稳妥的做法。
Codex 里一个容易被忽略的坑：Max 档位可能没显示
选完模型，还有一步容易被忽略——你选中的档位，Codex 界面上不一定看得到。
经过实际验证，目前这几个模型支持的 reasoning effort 档位是：
- gpt-5.6-luna：low、medium、high、xhigh、max
- gpt-5.6-terra：low、medium、high、xhigh、max、ultra
但 Codex 桌面端默认的 Effort 菜单里，通常只显示 low/medium/high/xhigh/ultra——max 这一档默认是不显示的。也就是说，如果你只看界面菜单，可能会误以为 Luna/Terra 根本没有 max 这个选项，进而错过了图表里性价比最高的 Terra max。
这里有个概念需要说清楚：Max 是一个全局可见性开关，不是“Luna Max”这种独立的模型名字。打开这个开关之后，所有支持 max 档位的模型（目前是 Luna 和 Terra）都会在各自的 Effort 菜单里出现 Max 选项；而 Ultra 则只有 Terra 支持，Luna 不支持 Ultra——打开开关不会让 Luna 凭空多出 Ultra。
也要注意区分：这是 Codex 桌面端的配置项，和调用 API 时传的 reasoning.effort 参数是两回事。API 那边你可以直接在请求里指定档位；但 Codex 桌面端的下拉菜单要显示某个档位，需要单独打开这个可见性开关，这一步不做，菜单里就是找不到。
配置方法
打开 max 档位可见性的方法，是编辑 Codex 的配置文件 config.toml，在 [desktop] 段落加入一行配置。动手前建议先备份一下这个文件，以防手误改错其他配置。
[desktop]
enabled-reasoning-efforts = ["low", "medium", "high", "xhigh", "max", "ultra"]
具体步骤：
- 找到你所用 Codex 安装对应的
config.toml（路径因安装方式和账号配置而异，请以你本机实际的 CODEX_HOME 目录为准，不要照抄他人机器上的路径）。 - 在文件中找到或新建
[desktop]段落，加入上面这一行enabled-reasoning-efforts配置。如果[desktop]段已经存在其他配置，直接在段内追加这一行即可，不要新建重复的[desktop]段。 - 保存文件后，重启 Codex 或重新加载设置才会生效——不是保存完立刻生效。
- 重启后，在支持 max 的模型（目前是 Luna、Terra）的 Effort 菜单里应该能看到 Max 选项；Terra 还会多一个 Ultra 选项。
有一点必须说清楚：这个配置只是让界面显示模型本身已经支持的档位，不会把一个原本不支持 max 的模型强行变成支持 max。换句话说，这是“取消隐藏”，不是“能力升级”。如果某个模型本身就没有 max 这一档，改了配置也不会凭空出现。
小结
GPT-5.6 降价之后，真正值得花时间想清楚的不是“能不能多用了”，而是“该用哪个档位”。按 DeepSWE 图表这组评测来看，Sol xhigh 追求极限质量，Terra max 是质量成本的平衡点，Luna max 适合预算敏感的轻量任务。选定模型之后，记得检查一下 Codex 的 config.toml，把 max 档位的可见性打开，不然图表里性价比最高的选项，你可能压根看不到。
最后还是那句话：benchmark 排名给你一个方向，不是标准答案。真正决定选哪个模型的，永远是你自己的任务在实测里跑出来的结果。
本文说明：文中关于 Sol xhigh、Terra max、Luna max 的得分与成本数据，均来自用户提供的 DeepSWE 评测图表的直观解读，未引用任何官方公布的精确基准数字，仅供参考。Benchmark 分数反映的是特定评测任务集合上的表现，不代表所有生产任务场景下的绝对排名，实际选型请结合自身代码库规模、工具调用需求、上下文长度和响应速度等因素综合判断，并以实测结果为准。