title: 如何解鎖 GPT-5.6 Sol 完整 100 萬 Context 上下文？ --- **摘要** GPT-5.6 Sol 雖然原生支援 100 萬 Token 上下文，但 OpenAI 在 Codex CLI 中預設限制為 27 萬以兼顧速度與成本。本文整理官方工程師 Tibo 公開的 config.toml 設定與 CLI 參數，帶你手動解鎖完整 1M Context，並分析大型專案的最佳化配置技巧。 **Category** - [AI](https://www.soft4fun.net/category/tech/ai) - [科技](https://www.soft4fun.net/category/tech) **圖片清單** - ![gpt-5-6](https://cf.img.soft4fun.net/2026/07/gpt-5-6.jpg "gpt-5-6") --- **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](https://x.com/thsottiaux/status/2089082893804896524)，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。 快速導覽 1. [為什麼 OpenAI 預設將 Codex 的 Context 限制在 27 萬？](#為什麼-openai-預設將-codex-的-context-限制在-27-萬) 2. [如何在 Codex CLI 解鎖 100 萬 Context？](#如何在-codex-cli-解鎖-100-萬-context) 1. [方法一：修改設定檔永 生效（推薦）](#方法一-修改設定檔永 生效-推薦) 2. [方法二：單次啟動指令（適合測試與特定任務）](#方法二-單次啟動指令-適合測試與特定任務) 3. [該不該開啟 100 萬 Context？決策評估表](#該不該開啟-100-萬-context-決策評估表) 4. [總結與使用建議](#總結與使用建議) ## 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： 1. **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。 2. **用量額度（Rate Limits）消耗速度**：每次與模型互動都會重新計算 Context 的 Token。如果 Context 膨脹到 80～90 萬，只要幾輪對話就會 速耗盡每週或每日的 額。 3. **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 Codex 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](https://x.com/thsottiaux/status/2089082893804896524) 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： 1. 開啟或建立設定檔：`~/.codex/config.toml` (MacOS)，Windows 則是 `%USERPROFILE%/.codex/config.toml` 2. 在檔案最頂層（任何 `[section]` 區塊之前）加 以下三行設定： ``` model = "gpt-5.6-sol" model_context_window = 1000000 model_auto_compact_token_limit = 900000 ``` - **`model`**：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 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。 📖 延伸閱讀：AI 為你整理的 5 個重點問題[Q1. 想要充分利用百萬 Context 來重構大型專案，除了改設定檔之外，還有哪些「上下文工程」的小技巧可以避免 AI 吃進太多無效雜訊？→](https://www.soft4fun.net/tech/ai/codex-gpt-5-6-unlock-1m-context-window-guide.htm/faq/1)[Q2. 開啟 100 萬 Token 模式後，雖然解決了長歷程遺忘的問題，但配額消耗極快且回應變慢，該如何降低運算負擔？→](https://www.soft4fun.net/tech/ai/codex-gpt-5-6-unlock-1m-context-window-guide.htm/faq/2)[Q3. 面對日常開發中的不同任務，該如何彈性切換模式，才能兼顧「日常修補的省額度」與「大型重構的高記憶力」？→](https://www.soft4fun.net/tech/ai/codex-gpt-5-6-unlock-1m-context-window-guide.htm/faq/3)[Q4. 在設定檔中把 model_auto_compact_token_limit 設在 90 萬而非滿額的 100 萬，這背後的緩衝機制運作邏輯是什麼？→](https://www.soft4fun.net/tech/ai/codex-gpt-5-6-unlock-1m-context-window-guide.htm/faq/4)[Q5. 解鎖百萬 Context 之後，下一步還可以搭配哪些終端機工具或工作流設定，讓 AI 寫程式的效率進一步提升？→](https://www.soft4fun.net/tech/ai/codex-gpt-5-6-unlock-1m-context-window-guide.htm/faq/5)想知道這些問題的解答嗎？