Auto-compact Codex sur GPT-6 Sol : les valeurs du code source, et ce que coûte leur hausse

Mis à jour September 27, 2026 · première publication September 27, 2026

Codex auto-compacte une session GPT-6 Sol à 244.800 tokens : 90 % de la fenêtre de 272.000 tokens qu’il attribue au modèle. Relever model_auto_compact_token_limit au-dessus de ce nombre ne change rien si vous ne relevez pas aussi model_context_window. Si vous élargissez la fenêtre au-delà de 272K, chaque tour qui franchit la ligne est facturé au tarif contexte long. Nous avons lu les chiffres dans le code source de Codex 0.157.1 et dans le catalogue de modèles que Codex télécharge.

Quelle fenêtre de contexte Codex donne-t-il à GPT-6 Sol ?

272.000 tokens, alors que l’API accepte jusqu’à 922.000. Codex télécharge un catalogue de modèles et le met en cache dans ~/.codex/models_cache.json. L’entrée de gpt-6-sol indique un context_window de 272.000 et un max_context_window de 872.000. Elle fixe aussi effective_context_window_percent à 95 et laisse auto_compact_token_limit vide. GPT-6 Astra et GPT-6 Luna ont les mêmes valeurs.

272K n’est pas un nombre arbitraire. C’est exactement là que commence la tarification contexte long de GPT-6.

Comment Codex décide-t-il quand compacter ?

Il prend le plus petit entre votre limite configurée et 90 % de la fenêtre de contexte. Dans codex-rs/protocol/src/openai_models.rs, auto_compact_token_limit() calcule context_window * 9 / 10. Elle renvoie cette valeur ou votre limite configurée, selon la plus basse. Le catalogue ne fournit aucune limite pour GPT-6 Sol, donc par défaut le résultat est 272.000 × 0,9 = 244.800.

Le réglage ne peut donc qu’avancer la compaction. Mettez model_auto_compact_token_limit = 300000 dans config.toml avec la fenêtre par défaut, et Codex compacte quand même à 244.800 sans aucun avertissement. Pour compacter plus tard, il faut aussi relever model_context_window, ce qui déplace aussi le plafond : au maximum de 872.000, le seuil par défaut devient 784.800.

Un second réglage, model_auto_compact_token_limit_scope, vaut total par défaut, ce qui compte tout le contexte actif. L’alternative, body_after_prefix, ne compte que ce que la conversation ajoute après le contexte qu’elle portait déjà.

Que coûte l’élargissement de la fenêtre Codex au-delà de 272K ?

Par tour, bien plus que les tokens supplémentaires. Dès qu’une requête GPT-6 Sol dépasse 272K tokens d’entrée, toute la requête est facturée au tarif contexte long. L’entrée et l’entrée en cache coûtent deux fois plus, et la sortie coûte 1,5 fois plus. Dans une longue session d’agent, presque chaque tour renvoie tout l’historique, donc l’essentiel de cette entrée est un préfixe en cache.

Passer de 270K à 300K ajoute 11 % de tokens et multiplie par 2,2 le coût de chaque tour. Sur un forfait ChatGPT, vous ne voyez pas de facture, mais les mêmes tokens comptent dans vos limites Codex de 5 heures et hebdomadaires, donc une fenêtre plus grande les consomme plus vite. L’analyse context-window-paid-twice explique pourquoi cette facturation répétée domine les longues sessions.

GPT-6 Sol reste-t-il précis près de 244K tokens ?

Personne ne l’a encore mesuré. Le seul score indépendant de contexte long pour GPT-6 Sol est l’AA-LCR d’Artificial Analysis : 84 %, comme GPT-5.6 Sol. Les documents de ce test font en moyenne environ 100K tokens. Les chiffres MRCR cités pour « Sol » à 256K–512K concernent GPT-5.6 Sol. Notre synthèse des benchmarks de contexte long de GPT-6 Sol liste ce qui a été publié ou non au 27 septembre 2026.

Que faut-il régler ?

Pour la plupart des équipes, rien. La valeur par défaut est déjà le choix sûr côté coût. Compacter à 244.800 garde chaque requête sous la ligne de prix de 272K, avec de la marge pour la sortie. Trois situations justifient un changement :

• Vous voulez compacter plus tôt, par exemple parce que les longs fils commencent à perdre les premières instructions. Baissez model_auto_compact_token_limit, disons à 200000. Les valeurs inférieures à 244.800 prennent bien effet.
• Vous voulez figer les valeurs actuelles pour qu’une future mise à jour du catalogue ne les change pas en silence. Fixez model_context_window = 272000 et une limite égale ou inférieure à 244.800.
• Vous avez besoin de plus de 258K de contexte actif dans une seule session. Relevez model_context_window et acceptez le tarif contexte long à chaque tour au-dessus de 272K. Mettez une alerte, car rien dans l’interface de Codex ne signale le changement de prix.

# ~/.codex/config.toml
model = "gpt-6-sol"
model_context_window = 272000          # pin the default window, below the 272K price line
model_auto_compact_token_limit = 240000 # anything above 244,800 is ignored at this window

Sources

• Code source de Codex 0.157.1 : auto_compact_token_limit() et usable_context_window()
• Code source de Codex 0.157.1 : surcharges de configuration appliquées aux infos du modèle
• Code source de Codex 0.157.1 : portée de la compaction et plafond strict du contexte
• Tarifs de l’API OpenAI
• Artificial Analysis : GPT-6 Sol vs GPT-5.6 Sol

À lire aussi

• Benchmarks de contexte long de GPT-6 Sol : ce qui a vraiment été mesuré
• Tarifs GPT-6 et le saut de prix du contexte long à 272K
• Vous payez deux fois la fenêtre de contexte
• Combien de Codex ChatGPT Pro inclut-il ?

Vous souhaitez appliquer cela à votre plateforme ? Transmettez vos factures fournisseurs, journaux de passerelle et principaux workflows ; nous cartographierons les coûts et les économies possibles. Demander un audit gratuit →

Retour à finopsllm.com