AI Hub

Codex

Codexのモデル選択と切り替え方法｜使い分けの目安

公開: / 更新: ・読了目安9分

#モデル #設定

Codexのモデル選択と切り替え方法｜使い分けの目安

先に結論: Codexのモデルは/modelコマンド・config.toml・起動時のコマンドラインフラグの3通りで切り替えられ、優先度はフラグが最も高くなります。reasoning effortはminimalからxhighまで調整でき、上げるほど処理時間も延びます。

Codexは、タスクの内容に応じて裏側で動くモデルを選べます。この記事では、選択できるモデルの種類と既定モデル、/modelコマンド・config.toml・起動フラグでの切り替え方法、reasoning effort(推論の深さ)の調整、速さ・精度・コストを踏まえた使い分けの目安をまとめて解説します。

この記事の要点

  • Codexは既定でgpt-5.1-codex系モデルが選ばれ、/modelコマンド・config.toml・起動フラグで切り替えられます。
  • 上位モデルのgpt-5.1-codex-maxは長い文脈と深い推論に対応し、複雑な設計判断に向きます。
  • gpt-5.3-codex-sparkは毎秒1,000トークン超の超高速モデルで、2026年8月時点ではChatGPT Pro向け研究プレビューです。
  • GPT-5.6 Sol・Terra・Lunaは2026年7月9日に一般提供が始まり、Codexでは無料・GoプランはTerraのみ、Plus・Pro・Business・EnterpriseはSol・Terra・Lunaを選べます(2026年8月時点)。2026年7月30日にはTerra・LunaのAPI料金がそれぞれ約20%・約80%引き下げられました。
  • reasoning effortはminimalからxhighまで調整でき、上げるほど精度は高まりますが処理時間も長くなります。

前提・動作環境

この記事はCodex CLIを導入済みであることを前提に解説します。導入やサインインの手順は「Codexの使い方完全ガイド」で解説しているので、未導入の方はあわせてご覧ください。

選択できるモデルの名称やラインナップは更新が速く、頻繁に追加・世代交代が行われます。本記事は2026年8月時点の情報のため、手元の表示と異なる場合は公式サイト(developers.openai.com/codex)で確認してください。

Codexで使えるモデルの種類と既定モデル

Codexでは、コーディングエージェント用途に最適化された「codex系」のモデルと、汎用の対話モデルの両方を選択できます。代表的なラインナップは次のとおりです。

なお、2026年8月にOpenAIがXで発表した「ChatGPT ChatではPlus・ProがGPT-5.6 Sol、無料・GoはLunaでテキストチャット無制限」はChatGPTのChat機能限定の変更で、OpenAI公式発表によればWorkとCodexのSolは対象外、上記のプラン別モデル構成に影響しません。

SNS上でCodexも再編されたように語られることがありますが、2026年8月時点で対応関係は変わっていません。

Codex CLIやIDE拡張を素の設定のまま起動すると既定でgpt-5.1-codex系のモデルが選ばれます。既定モデルもアップデートで切り替わるため、正確な現在値は起動時の表示や/statusで確認してください。

gpt-5.3-codex-sparkは、圧倒的な速度の一方で指示を深く咀嚼せず先走って行動し、同じ修正パターンを繰り返すことがあるという評価も海外レビューで見られます。複雑な設計判断や慎重な検証が必要なタスクには不向きで、下記のとおり上位モデルとの使い分けが重要です。

モデルの切り替え方法

モデルの切り替え方法は3つあります。

1. /modelコマンド(対話セッション中)

セッション中にいつでも実行でき、選択肢が表示されます。

/model

一覧からモデルを選ぶと、以降のやり取りは選んだモデルに切り替わります。生成中の応答には反映されず、次の応答から適用されます。

2. config.tomlでの既定値指定

毎回選び直すのが手間な場合は、設定ファイルに既定のモデルを書いておけます。書式は「config.tomlの設定方法」で解説しています。

model = "gpt-5.1-codex"
model_provider = "openai"

3. 起動時のコマンドラインフラグ

一時的に別のモデルで起動したいときは、起動コマンドにフラグを付けます。

codex --model gpt-5.1-codex-max

短縮形の-mが使える場合もあります。フラグでの指定はconfig.tomlの既定値より優先されるため、普段使いのモデルは設定ファイルにまとめ、特定タスクだけ一時的にフラグで切り替える運用がおすすめです。

reasoning effort(推論の深さ)の調整

モデルとあわせて調整できるのがreasoning effort(推論にかける努力の度合い)です。/model実行時にモデルと一緒に選択できるほか、config.tomlではmodel_reasoning_effortで指定します。

model_reasoning_effort = "medium"

指定できる値はminimalからxhighまで段階的に用意され、値を上げるほど応答の精度は高まりますが処理時間も長くなります。簡単な確認作業には低めの設定、設計の妥当性を慎重に検討したいタスクには高めの設定、というように使い分けます。

reasoning effortの5段階(minimal・low・medium・high・xhigh)を階段状に示す図。値を上げるほど精度は高まるが処理時間も長くなることを示す

使い分けの目安(速さ・精度・コスト)

モデルとreasoning effortの組み合わせは、次のような目安で選ぶとバランスを取りやすくなります。

モデル選びの使い分け目安: 速さ優先はgpt-5.1-codexとreasoning effort low、精度優先はgpt-5.1-codex-maxとreasoning effort high、コスト優先はGPT-5.6 Terra・Lunaを軸にするという3方向の使い分けを示す図

海外コミュニティでは、「複雑なタスクの計画立案はGPT-5.6 Solに任せ、方針が固まったら実装は安価なGPT-5.6 Lunaに任せる」という2段階の使い分けが、コストを抑えつつ精度を落としにくい実践知として紹介されています。利用者が実践している運用の一例であり、公式推奨の手順ではない点には留意してください。

プラン・APIでの利用可否の違い

利用できるモデルの範囲は、ChatGPTのプランに紐づくログインか、APIキーでの利用かによって異なります。ChatGPTプランでは契約プランごとに使えるモデルや利用量の上限が設定され、APIキーの場合は従量課金でモデルごとの単価が異なります。

詳しくは「Codexの使い方完全ガイド」でも整理しています。提供状況もモデルの世代交代にあわせて変わりやすいため、正確な対応表は公式サイトで確認してください。

つまずきポイント/よくあるエラー

よくある質問

モデルを切り替えると会話履歴は保持されますか?

はい、保持されます。/modelでモデルを切り替えても同じセッション内の会話は続き、それまでのやり取りを踏まえて応答が返ってきます。

config.tomlと起動フラグ、どちらの指定が優先されますか?

起動フラグが優先されます。config.tomlのmodelはあくまで既定値で、codex --modelのようにフラグを指定するとそのセッションではフラグ側の値が使われます。設定の全体像は「config.tomlの設定方法」を参照してください。

reasoning effortを高くすると必ず良い結果になりますか?

そうとは限りません。単純なタスクではminimalやlowでも十分な精度が出ることが多く、無駄に高い設定にすると処理時間だけが延びます。タスクの複雑さに応じて段階的に調整するのが基本です。

まとめ

Codexでは、gpt-5.1-codexを中心としたcodex系モデルと汎用モデルを、/modelコマンド・config.toml・起動フラグの3通りで切り替えられます。

reasoning effortをあわせて調整すれば、速さ・精度・コストのバランスをタスクごとに細かくコントロールできます。モデルのラインナップは更新が速いため、内容と手元の表示が異なる場合は公式サイトで確認してください。

基本操作は「Codex CLIの使い方」、Codex全体の使い方は「Codexの使い方完全ガイド」もあわせてご覧ください。

Claude Codeのモデル使い分けは「Opus 5とSonnet 5の使い分け」で解説しています。