Auto-compact Codex di GPT-6 Sol: default di kode sumber dan biaya menaikkannya
Diperbarui September 27, 2026 · pertama terbit September 27, 2026
Codex memadatkan sesi GPT-6 Sol secara otomatis pada 244.800 token: 90% dari jendela 272.000 token yang diberikan Codex kepada model. Menaikkan model_auto_compact_token_limit di atas angka itu tidak berpengaruh kecuali Anda juga menaikkan model_context_window. Jika jendela dinaikkan melewati 272K, setiap giliran yang melewati garis itu ditagih dengan tarif konteks panjang. Kami membaca angka-angkanya dari kode sumber Codex 0.157.1 dan dari katalog model yang diunduh Codex.
Jendela konteks apa yang Codex berikan untuk GPT-6 Sol?
272.000 token, meskipun API menerima hingga 922.000. Codex mengunduh katalog model dan menyimpannya di cache di ~/.codex/models_cache.json. Entri untuk gpt-6-sol mencantumkan context_window 272.000 dan max_context_window 872.000. Entri itu juga menetapkan effective_context_window_percent ke 95 dan membiarkan auto_compact_token_limit kosong. GPT-6 Astra dan GPT-6 Luna memiliki nilai yang sama.
272K bukan angka sembarangan. Di situlah harga konteks panjang GPT-6 dimulai.
| Nilai | Token | Asalnya dari |
|---|---|---|
| Jendela konteks | 272.000 | context_window di katalog model |
| Jendela yang bisa dipakai | 258.400 | 95% dari jendela (effective_context_window_percent) |
| Ambang auto-compact | 244.800 | 90% dari jendela, dihitung di kode |
| Jendela terbesar yang diizinkan | 872.000 | max_context_window di katalog model |
| Batas input API | 922.000 | Spesifikasi model OpenAI (1,05M total dengan output) |
Bagaimana Codex memutuskan kapan memadatkan?
Codex memakai nilai yang lebih kecil antara batas yang Anda atur dan 90% dari jendela konteks. Di codex-rs/protocol/src/openai_models.rs, auto_compact_token_limit() menghitung context_window * 9 / 10. Fungsi itu mengembalikan nilai tersebut atau batas yang Anda atur, mana yang lebih rendah. Katalog tidak menyediakan batas untuk GPT-6 Sol, jadi secara default hasilnya 272.000 × 0,9 = 244.800.
Pengaturan ini hanya bisa memajukan pemadatan. Tulis model_auto_compact_token_limit = 300000 di config.toml dengan jendela default, dan Codex tetap memadatkan pada 244.800 tanpa peringatan apa pun. Untuk memadatkan lebih lambat, Anda juga harus menaikkan model_context_window, dan itu ikut menggeser batas atas: pada maksimum 872.000, ambang default menjadi 784.800.
Pengaturan kedua, model_auto_compact_token_limit_scope, defaultnya total, yang menghitung seluruh konteks aktif. Alternatifnya, body_after_prefix, hanya menghitung apa yang ditambahkan percakapan setelah konteks yang dibawa dari sebelumnya.
Berapa biaya menaikkan jendela Codex melewati 272K?
Per giliran, jauh lebih mahal daripada token tambahannya. Begitu permintaan GPT-6 Sol memiliki lebih dari 272K token input, seluruh permintaan ditagih dengan tarif konteks panjang. Input dan input ter-cache berbiaya dua kali lipat, dan output berbiaya 1,5 kali lipat. Dalam sesi agen yang panjang, hampir setiap giliran mengirim ulang seluruh riwayat, jadi sebagian besar input itu adalah prefiks yang di-cache.
| Konteks per giliran | Tarif input ter-cache | Biaya konteks ter-cache per giliran | Biaya tanpa cache per giliran |
|---|---|---|---|
| 240K (dipadatkan pada default) | $0.20 / 1M | $0.048 | $0.48 |
| 270K | $0.20 / 1M | $0.054 | $0.54 |
| 300K (jendela dinaikkan) | $0.40 / 1M | $0.12 | $1.20 |
| 400K (jendela dinaikkan) | $0.40 / 1M | $0.16 | $1.60 |
Naik dari 270K ke 300K menambah 11% token, tetapi mengalikan biaya tiap giliran sebesar 2,2. Di paket ChatGPT Anda tidak melihat tagihan, tetapi token yang sama dihitung terhadap batas Codex 5 jam dan mingguan, sehingga jendela yang lebih besar menghabiskannya lebih cepat. Tulisan context-window-paid-twice menjelaskan mengapa tagihan berulang ini mendominasi sesi panjang.
Apakah GPT-6 Sol masih akurat mendekati 244K token?
Belum ada yang mengukurnya. Satu-satunya skor konteks panjang independen untuk GPT-6 Sol adalah AA-LCR dari Artificial Analysis: 84%, sama dengan GPT-5.6 Sol. Dokumen dalam tes itu rata-rata sekitar 100K token. Angka MRCR yang dikutip untuk “Sol” pada 256K–512K milik GPT-5.6 Sol. Ringkasan benchmark konteks panjang GPT-6 Sol kami mencantumkan apa yang sudah dan belum dipublikasikan per 27 September 2026.
Apa yang sebaiknya Anda atur?
Untuk sebagian besar tim, tidak ada. Default sudah merupakan pilihan yang aman dari sisi biaya. Memadatkan pada 244.800 menjaga setiap permintaan di bawah garis harga 272K, dengan ruang untuk output. Tiga situasi memerlukan perubahan:
- Anda ingin pemadatan lebih awal, misalnya karena utas panjang mulai kehilangan instruksi awal. Turunkan
model_auto_compact_token_limit, misalnya ke 200000. Nilai di bawah 244.800 memang berlaku. - Anda ingin menuliskan default saat ini agar pembaruan katalog di masa depan tidak mengubahnya diam-diam. Atur
model_context_window = 272000dan batas yang sama dengan atau di bawah 244.800. - Anda membutuhkan lebih dari 258K konteks aktif dalam satu sesi. Naikkan
model_context_windowdan terima harga konteks panjang pada setiap giliran di atas 272K. Pasang peringatan, karena tidak ada yang di antarmuka Codex menandai perubahan harga ini.
# ~/.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 windowSumber
- Sumber Codex 0.157.1:
auto_compact_token_limit()danusable_context_window() - Sumber Codex 0.157.1: override konfigurasi yang diterapkan ke info model
- Sumber Codex 0.157.1: cakupan pemadatan dan batas keras konteks
- Harga API OpenAI
- Artificial Analysis: GPT-6 Sol vs GPT-5.6 Sol
Terkait
- Benchmark konteks panjang GPT-6 Sol: apa yang benar-benar diukur
- Harga GPT-6 dan lonjakan harga konteks panjang 272K
- Anda membayar jendela konteks dua kali
- Seberapa banyak Codex yang disertakan ChatGPT Pro?
Ingin menerapkannya pada stack Anda? Bawa tagihan penyedia, log gateway, dan alur kerja utama; kami akan memetakan pendorong biaya dan jalur penghematan. Pesan audit gratis →