GPT-5.6 Sol在Codex里的百万上下文开关终于被摆到台面上。现在只需在config.toml顶部加入3行配置，就能把当前模型的可用上下文预算设置为100万Token，并把自动压缩阈值推迟到约90万Token。
https://www.zuoshipin.com/link/1474.html
3行配置：把Codex上下文窗口设为1M
打开用户级配置文件 ~/.codex/config.toml，把下面3行放在文件最前面的顶层位置：
model = "gpt-5.6-sol"
model_context_window = 1000000
model_auto_compact_token_limit = 900000
这3个参数分别控制什么？
- model：指定本次默认使用GPT-5.6 Sol。
- model_context_window：告诉Codex当前模型可用的上下文窗口预算为1000000 Token。
- model_auto_compact_token_limit：当活跃上下文接近900000 Token时触发自动历史压缩，预留系统指令、工具结果和模型输出空间。
OpenAI官方模型资料给出的GPT-5.6 Sol窗口是1,050,000 Token，最大输出为128,000 Token。这里把Codex预算设为100万，并在90万左右开始压缩，本质上是主动留出安全余量。
不改配置文件：只给单次CLI会话开启
如果不想长期修改默认配置，可以在启动Codex CLI时临时传入参数：
codex -m gpt-5.6-sol
-c model_context_window=1000000
-c model_auto_compact_token_limit=900000这种方式只影响本次启动，适合偶尔处理超大仓库、长时间Agent任务、海量工具输出或跨多轮调试。日常短任务继续使用默认窗口，更容易控制速度和用量。
为什么Codex默认没有直接拉满？
窗口更大，意味着Codex可以在压缩前保留更多代码、终端输出、工具结果和对话历史；但每一轮需要处理的上下文也可能更重。这会带来更高延迟、更快的用量消耗，以及旧信息干扰当前任务的风险。
自动压缩不是降级，而是长任务的核心能力
Agent执行时间越长，历史记录中真正需要逐字保留的内容比例未必越高。自动压缩会把旧对话、工具输出和阶段结论浓缩后继续携带，让模型保留目标、约束、已完成事项和关键决策，而不是每一轮都重新读取全部原文。
从实际工作流看，百万窗口最适合无法轻易切段的大型任务：跨模块重构、长日志故障定位、大规模代码审查、复杂迁移和多工具研究。普通改文案、写单文件组件或修小Bug，默认窗口往往更划算。
做视频与CG团队什么时候值得开启？
- 大型插件或管线仓库：同时追踪DCC脚本、渲染农场、资产数据库与发布工具。
- 长日志诊断：分析渲染失败、编码异常、GPU崩溃和批处理输出。
- 跨版本迁移：让Codex同时参考旧接口、新文档、测试结果和大量变更文件。
- 持续Agent任务：需要在很长的执行链中保留验收标准、用户反馈和阶段性决策。
“解除封印”之后，真正要学会的是上下文管理
1M窗口把选择权交给了用户，但它不是性能的免费升级。上下文越长，越需要减少重复日志、清理无关文件、明确当前目标，并把稳定规则放进AGENTS.md或项目文档。否则窗口变大，只是让噪声也活得更久。
对重度Codex用户来说，这3行配置值得收藏；对绝大多数日常任务，默认策略依然是更平衡的起点。需要百万上下文时再打开，用完恢复默认，才是更接近生产环境的使用方式。
