モデル・推論量・速度の選び方

Codex 学習目次に戻る

目標と準備

先にアカウントと使用量を確認します。モデル、推論強度、速度・サービス層は別の選択です。クライアント、認証、展開段階で一覧が変わり、公式例と自分の権限が同じとは限りません。

手順1：現在の選択を記録

デスクトップは入力欄下のモデル・推論操作を確認します。Power があれば位置を記録し、詳細指定には Advanced を見ます。CLI は対話内の /model で対応モデルと強度、/status で状態を確認します。シェル命令ではなく、記事に合わせて不明な全体設定を変更しません。

/model

/status

エディターで comparison.md を作り、日付、版、認証の種類、表示選択肢を記録します。メール、API 鍵、支払情報は不要です。CLI とデスクトップで違えば別々に記録し、故障と決めつけません。クラウド課題の制約も別で、ローカル手順をそのまま当てはめません。

手順2：採点できる同じ課題を用意

エディターで codex-model-lab と次の sample.mjs を作ります。3 OS とも通常のテキストで、実行や依存追加は不要です。故障を残し、診断と検証例の正確さを比べます。二つの課題で同時編集しません。

export function completedTitles(tasks) {
  return tasks.filter((task) => !task.completed).map((task) => task.title);
}

export const sample = [
  { title: "Read", completed: true },
  { title: "Build", completed: false },
];

人が正答を先に確認します。完了済みタイトルは Read ですが現状は Build です。状態・項目名・順序ではなく ! を取り除きます。空入力は空、元データは不変です。基準があれば自信ある口調や長さだけで選びません。

Read sample.mjs without modifying any file. The requirement is to return titles of completed tasks in original order.
1. State the actual output for sample and the required output.
2. Identify the precise defect and the smallest fix.
3. Give two verification cases, including empty input, and say whether inputs are mutated.
Do not install tools or run a web search. Distinguish reasoning from tests you actually ran. Keep the answer under 250 words.

手順3：一つの設定だけ変えて比べる

デスクトップでは codex-model-lab をプロジェクトに追加し、両方の新規課題をそこで作ります。CLI は同フォルダーの統合端末を開き、Windows PowerShell は Get-Location、macOS／Linux は pwd で場所を確認して codex を起動します。A の後は /exit でシェルへ戻り、同じ場所から codex を起動して B を始めます。A の resume は使いません。

既定設定の新課題で全文を送り、時間、正しい読取り、回答を記録します。別の新課題で同じファイルと全文を使い、同一モデルの強度だけ変えます。モデル、速度、権限、道具は固定です。他の強度がなければ基準測定のみと記録し、比較を捏造しません。

同じ会話で2回目を行うと前答を見ているため起点が違います。モデルと強度の同時変更も原因を不明にします。ほかの課題が動く共有アカウント残量差を全て本題へ割り当てず、単回数値がなければ取得不可とします。

# Model comparison
Date / client / sign-in type: fill from your environment
Task: completedTitles review; identical sample.mjs and prompt

| Check | Run A | Run B |
| --- | --- | --- |
| Model and reasoning effort | NOT RUN | NOT RUN |
| Speed / permissions unchanged | NOT RUN | NOT RUN |
| Elapsed time | NOT RUN | NOT RUN |
| Actual Build, required Read | NOT RUN | NOT RUN |
| Correct minimal fix | NOT RUN | NOT RUN |
| Empty-input case and no mutation | NOT RUN | NOT RUN |
| Files unchanged | NOT RUN | NOT RUN |
| Per-run usage, if available | UNAVAILABLE | UNAVAILABLE |

Decision and reason: pending observed results
Limit: one small task is not a general model ranking.

両方誤答なら、先に sample.mjs の読取りと completed の指定を確認し、高価・低速な設定へ即座に移りません。ファイル不足、場所違い、制約矛盾を直し、同じ起点の新課題で再比較します。

結果を比較できるか先に判断する

架空例です。A は20秒で正答、B は8秒でも正解を Build としたなら、B は速くても不合格です。両方正答でも B が A の回答や修正済みファイルを見ていたら、開始条件が異なるので比較無効とし、同一の新規入力でやり直します。この時間は教材でありモデルの実測ではありません。

推論深度を比べるなら Advanced または CLI /model で実際のモデルと深度を確認します。Power はモデルも変え得るため、位置だけでは単一変数の変更と証明できません。他の設定を揃えられなければ異なる組合せの試用として制限を記録し、深度単独の効果とはしません。

結果を日常作業に使う

正確さ、範囲遵守、未実施の明記を先に評価し、合格後に速度と使用量を見ます。一行故障で両方正解なら類似小課題の設定選択には使えますが、大規模案件の総合順位ではありません。負荷と回答の揺れも影響するため、必要なら別日に再確認します。

明確な小変更は既定から始め、依存関係や難しい故障、取捨選択なら強度を上げ再検証します。時間・トークンが増えても正解保証はありません。Max / Ultra は必須でなく、子エージェントを使う Ultra は本比較に不要です。実際の選択欄と公式資料を確認します。

対処、復元と受入

モデルがなければ認証、版、一覧を確認し、古い ID を config.toml へコピーしません。無効設定は設定対処で実験の上書きだけ戻します。状態が一致しなければ起動引数やプロジェクト設定を確認してから測定に数えます。

遅さが道具・通信・権限待ちの場合もあります。強度変更や重複依頼の前に現在の処理を見ます。残量不足なら未完成表を保存し、使用量で自分の更新時刻を確認します。価格、回数、全員共通モデル表は重複掲載しません。

実際の設定、同題採点、限界説明、元設定への復元で完了です。sample.mjs は不変のはずで、変更されたら差分を残して例から復元し、その回は範囲違反とします。図1は記録、2は一変数比較、3は証拠による選択です。架空の速度順位は掲載しません。

Codex 学習目次に戻る

詳しい説明を読む

Task to Model / effort to Evaluation

• AIツール
• チュートリアル
• Codex