Codex

Codex 雷达

designed by Codex
EN

快速入口

Codex 雷达站速览:降智雷达、额度雷达、社区体感分、重置雷达与最近重要事件
雷达速览图更新时间:8月5日 05:19
Codex 社区知识分享
重置卡提醒

记得检查重置卡过期时间

近期一批活动赠送的重置卡可能集中到期。前往「设置 → 剩余用量 → 可用重置次数」,点开后可在「使用限额重置」中查看过期时间,临期记得及时使用。

如何开启 Max 推理强度

快速对照

推理强度中英文对照

DeepSeek 官方指南

DeepSeek 官方 Codex 接入指南

按照 DeepSeek 官方配置步骤,在 Codex 中接入并使用 DeepSeek 模型。

重置时间统计 NEW

Codex 重置最常发生在几点?

什么时间段拍卡最安全?

Codex 雷达可核验的 32 次历史重置中,19 次发生在北京时间 00:00–08:59。站长将 16:00–22:00 列为相对安全派卡期;这是历史统计规律,不代表绝对不会重置。

🧠 智力效率

正在读取更新时间

社区众测数据 · 每多一份贡献,结果就更准确。 前往贡献 →

正在读取智力效率数据...

历史数据比较

选择一个或多个模型档位,对比历史数据。

请选择要比较的模型档位

社区体感分

诚邀蹬友根据近24小时实际体验进行评分,请只给用过的模型打分,以免引入噪声,谢谢~

体感分参考:9-10 明显好用,7-8 正常可用,5-6 勉强可用,3-4 体验较差,1-2 几乎不可用。可综合准确性、返工次数、速度、稳定性和额度/服务影响。

近24小时评分
Model入/缓/出
ultra
max
xhigh
high
medium
low
Sol$5 · $0.50 · $305/0.5/30
GPT-5.6 Sol ultra
暂无 0 人评分
未评分
GPT-5.6 Sol max
暂无 0 人评分
未评分
GPT-5.6 Sol xhigh
暂无 0 人评分
未评分
GPT-5.6 Sol high
暂无 0 人评分
未评分
GPT-5.6 Sol medium
暂无 0 人评分
未评分
GPT-5.6 Sol low
暂无 0 人评分
未评分
Terra$2.50 · $0.25 · $152.5/0.25/15
GPT-5.6 Terra ultra
暂无 0 人评分
未评分
GPT-5.6 Terra max
暂无 0 人评分
未评分
GPT-5.6 Terra xhigh
暂无 0 人评分
未评分
GPT-5.6 Terra high
暂无 0 人评分
未评分
GPT-5.6 Terra medium
暂无 0 人评分
未评分
GPT-5.6 Terra low
暂无 0 人评分
未评分
Luna$1 · $0.10 · $61/0.1/6
不支持
GPT-5.6 Luna max
暂无 0 人评分
未评分
GPT-5.6 Luna xhigh
暂无 0 人评分
未评分
GPT-5.6 Luna high
暂无 0 人评分
未评分
GPT-5.6 Luna medium
暂无 0 人评分
未评分
GPT-5.6 Luna low
暂无 0 人评分
未评分
DeepSeek V4 Flash$0.14 · $0.0028 · $0.280.14/0.0028/0.28
不支持
DeepSeek V4 Flash max
暂无 0 人评分
未评分
不支持
DeepSeek V4 Flash high
暂无 0 人评分
未评分
不支持
不支持

正在读取社区体感分...

重置雷达 事件更新 8月1日 11:32

官方源快车
发重置卡 未宣布
本轮是直接重置

本轮官方信号指向直接用量重置,不代表新增可储存的 banked reset。

硬重置 已落地
官方重置完成

8月1日 11:32,Tibo 确认直接用量重置已完成;当前没有开启的速蹬窗口。

Tibo 雷达
Tibo 的 X 头像
--:-- -- 计算中
旧金山湾区 / PT
粗粒度公开推测时区 所提供的公开帖子未明确披露当前国家或地区,因此采用默认时区。 来源 ↗

Tibo 动态

  1. Tibo X ↗ 北京时间 无重置信号

    英文原文What is my title at OpenAI

    中文翻译我在 OpenAI 的职务是什么?

    模型语境解读 · 参考比利时法语语感这是对其 OpenAI 职务名称的提问,不含重置、限额、用量、发布或计费含义。

  2. Tibo X ↗ 北京时间 间接相关

    英文原文Some fine folks apparently misunderstood, but the GPT-5.6 Luna price reduction by 80% is not a temporary stunt, it's permanent. Efficiency gains don't go away. Fortunately.

    中文翻译一些好心人显然误解了:GPT-5.6 Luna 降价 80% 并不是什么临时噱头,而是永久的。效率提升不会凭空消失。幸好如此。

    关键词句price reduction by 80% · not a temporary stunt · it's permanent · Efficiency gains don't go away

    模型语境解读 · 参考比利时法语语感这是对价格政策的澄清:“永久”修饰降价,不是用量或速率限制重置。与成本相关,但没有开启重置窗口。

  3. Tibo X ↗ 北京时间 无重置信号

    英文原文Given some of the results I'm seeing recently, it's pretty clear Codex is a good harness.

    But it will seem primitive in 2-3 months and we're about to go through another major evolution in how we use AI at the frontier. The next generation of models need more than your laptop.

    中文翻译从我最近看到的一些结果来看,很明显 Codex 是一个很好的智能体运行框架。 但再过 2—3 个月,它看起来就会很原始;我们即将经历又一次重大演进,改变我们在前沿领域使用 AI 的方式。下一代模型需要的不只是你的笔记本电脑。

    模型语境解读 · 参考比利时法语语感这是对 Codex 智能体框架和前沿 AI 基础设施演进的判断。“another major evolution”指使用方式将发生重大变化,并非用量、限额或重置承诺。

额度雷达 8月3日12:09更新

档位 7d额度 来源
20x Pro $1,948.00 分布式雷达
5x Pro $487.00 推算
Plus $97.40 推算
额度变化趋势 $1,693.25 → $1,948.00 (+$254.75, +15.0%)
$1,335 $1,688 $2,042 2026-07-14-am 20x Pro 7d $1,573.78 2026-07-14-pm 20x Pro 7d $1,722.06 2026-07-15-am 20x Pro 7d $1,583.74 2026-07-15-pm 20x Pro 7d $1,922.96 2026-07-16-am 20x Pro 7d $1,428.41 2026-07-19 20x Pro 7d $1,944.83 2026-07-23 20x Pro 7d $1,828.50 2026-07-29 20x Pro 7d $1,865.90 2026-07-30 20x Pro 7d $1,693.25 2026-08-03 20x Pro 7d $1,948.00 7.14_am 7.14_pm 7.15_am 7.15_pm 7.16_am 7.19 7.23 7.29 7.30 8.3

Fast 雷达 8月4日13:06更新

从标准改成 Fast,以 2.5 倍的成本到底快了多少?
体感加速⚡️1.282 倍
首字延迟减少-1.80 秒
Token 生成速度加速⚡️1.485 倍
模型 体感加速 · E2E 首字延迟减少 · TTFT Token 生成速度加速 · TPS
Sol
45.87s → 39.08s⚡️1.174×
9.23s → 14.46s慢 56.6%
56.70 → 84.83⚡️1.496×
Terra
47.64s → 32.76s⚡️1.454×
10.23s → 7.68s快 25.0%
55.54 → 82.85⚡️1.492×
Luna
45.17s → 36.36s⚡️1.242×
8.42s → 11.15s慢 32.5%
56.74 → 83.20⚡️1.466×

Fast 加速历史曲线 18 次

桌面每屏最多约 20 次;左右滑动或用箭头回看更早记录。

暂无可发布的 Fast 雷达历史数据。
测试方法

测试方法:Sol、Terra、Luna 均使用 low 推理强度,固定输出任务为从 1 数到 1024。Standard 与 Fast 各独立运行 3 次并取算术平均;顺序交替,最多 3 个模型配对并发执行,每个配对内 Standard/Fast 仍串行。每个样本使用新的 app-server 与 ephemeral thread,并加入随机 nonce;优先纳入 cached_input_tokens = 0 且输出完整的样本。本轮按真实体感放宽:慢速样本和完整但缓存不匹配的配对保留,输出不完整的样本才剔除并补跑。TTFT 为首个可见 token 延迟,TPS 为持续 Token 生成速度,E2E 为提交到完整结果的总耗时。顶部加速倍数均按 Standard 平均值除以 Fast 平均值计算;逐模型 E2E 体感加速也使用该模型的 Standard 除以 Fast。

高质量 Codex 技术交流社区

微信雷达群二维码 微信雷达群
大模型与小加一公众号二维码 公众号