GPT-5.6 雖然原生具備 100 萬 Token 的超大上下文容量，但官方在 Codex 中為了平衡效能與成本預設限制在 27 萬。 隨著 OpenAI 負責 Codex 與 ChatGPT 的工程師 Tibo Sottiaux 在 X 上的公開說明，開發者現在不僅能透過 API 金鑰，連一般 ChatGPT 訂閱帳號（Plus / Pro / Work）都能手動解鎖高達 100 萬 Token 的完整 Context Window。
為什麼 OpenAI 預設將 Codex 的 Context 限制在 27 萬？
許多開發者在切換到 GPT-5.6 Sol 後，發現進入 Codex 終端機進行大型專案重構時，依然會較早遇到對話壓縮（History Compaction）。這並非模型能力不足，而是 OpenAI 在工程設計上的刻意取捨：
- 推論延遲與注意力稀釋：當單一 Session 累積數十萬甚至百萬 Token 時，每輪對話的運算量呈倍數上升，模型在龐大雜訊中維持高精準注意力的難度也會提高。
- 用量額度（Rate Limits）消耗速度：每次與模型互動都會重新計算 Context 內的 Token。如果 Context 膨脹到 80～90 萬，只要幾輪對話就會迅速耗盡每週或每日的配額。
- 預設平準化體驗：對於日常 80% 的單檔案修改、小功能開發，27 萬（272k）Token 搭配 Codex 內建的壓縮演算法已能提供極佳的性價比與反應速度。
然而，當面對需要同時載入多個模組、完整測試記錄與詳細日誌的長週期任務時，壓縮過程難免會遺失部分早期邊界條件與架構決策。這也是為何社群強烈希望官方釋出覆寫開關的原因。
如何在 Codex CLI 解鎖 100 萬 Context？
根據 Tibo 公開的設定參數 與技術社群實測，解鎖方式分為「永久全域設定」與「單次執行參數」兩種。
方法一：修改設定檔永久生效（推薦）
若你的日常工作皆為大型專案開發，可直接編輯 Codex 的本機設定檔：
- 開啟或建立設定檔：
~/.codex/config.toml(MacOS)，Windows 則是%USERPROFILE%/.codex/config.toml - 在檔案最頂層（任何
[section]區塊之前）加入以下三行設定：
model = "gpt-5.6-sol"
model_context_window = 1000000
model_auto_compact_token_limit = 900000model：指定啟用 GPT-5.6 Sol 模型。model_context_window：將 Context 預算直接拉升至 1,000,000 Token。model_auto_compact_token_limit：設定自動壓縮觸發點為 900,000 Token，保留約 10 萬 Token 的安全緩衝區，確保當輪程式碼生成不會因觸頂而異常中斷。
修改完成後重啟 Codex CLI 即可生效（注意：新設定不會套用至已在進行中的舊會話）。
方法二：單次啟動指令（適合測試與特定任務）
若平常想維持預設省額度，僅在遇到超大型任務時臨時啟用，可以在啟動 Codex CLI 時附加 -c 參數：
codex -m gpt-5.6-sol \
-c model_context_window=1000000 \
-c model_auto_compact_token_limit=900000此方式不會修改本機設定檔，關閉會話後下次啟動將自動回歸預設值。
該不該開啟 100 萬 Context？決策評估表
| 評估維度 | 預設模式（~270K / 272K） | 百萬模式（1,000,000 Token） |
| 最佳適用場景 | 單檔案修補、日常功能開發、短週期除錯 | 大型 Repo 重構、跨模組依賴分析、長時間 Agent 工作流 |
| 額度消耗速率 | 正常，適合高頻率日常調用 | 極快（單一長會話可能消耗數倍週配額） |
| 壓縮遺忘風險 | 中等（較早觸發歷程壓縮與摘要） | 極低（完整保留前期決策與日誌） |
| 回應速度 | 快速輕盈 | 隨 Token 堆疊可能略有延遲 |
總結與使用建議
OpenAI 放開 ChatGPT 訂閱帳號在 Codex 中使用 100 萬上下文的權限，對重度開發者而言是一項重要升級。但在享受長上下文帶來的強大記憶力時，務必建立明確的「上下文工程」意識：善用單次參數啟動重要任務，在日常開發時維持適度規模，才能在開發效率與使用成本之間取得最佳平衡。
