Codex CLI 中的 gpt-5.6-terra：每问 token 数
Terra 是这一 GPT 系列中的均衡成员，定位于旗舰能力与较低成本的吞吐量之间。
实测数字
- 原始 Codex CLI
- 24,000
- 使用 capsul
- 11,100
- 发送的输入减少
- x2.16
- 五项答案校验的通过数，依次为原始代理与 capsul
- 3 / 4
- 每问的输出 token，依次为原始代理与 capsul
- 582 / 142
每问的缓存加权输入 token
每问的缓存加权输入 token
90% 区间：×1.57 至 ×3.20
ChatGPT 套餐下，Codex CLI 报告 token 数，不报告美元费用，因此 GPT 模型不显示成本。
对于日常实现、修复测试和代码审查，如果任务需要超出机械修改的判断，它可以作为默认候选。在代理会话中，为理解仓库而收集的上下文可能比用户的问题占用更多输入。逐项结果展示了这种流量在测量协议下如何变化。
这里的 Codex CLI 运行使用 ChatGPT 订阅，因此没有附上美元估算。可参考的是 token 差异和答案校验。若你的工作更长、探索更多，应先测自己的流程，再判断简短问题的结果是否适用。
逐项问题
针对真实 TypeScript 代码库提出五个单行问题，每条对照臂的每个问题重复 2 次。表中为每问加权输入的平均值。
| 问题 | 原始代理 | capsul | 减少的输入 | 正确运行次数：原始 / capsul |
|---|---|---|---|---|
| 问题 1 | 26,600 | 6,100 | x4.37 | 0 / 0 |
| 问题 2 | 21,800 | 9,960 | x2.19 | 2 / 2 |
| 问题 3 | 15,700 | 9,620 | x1.63 | 2 / 2 |
| 问题 4 | 33,300 | 24,400 | x1.37 | 0 / 2 |
| 问题 5 | 22,400 | 5,480 | x4.08 | 2 / 2 |
测量方法
同一个模型的两条对照臂：直接运行 Codex CLI，以及通过 capsul 提交同一个问题。计量单位为缓存加权输入：新 token 全额计算，缓存读取按十分之一计算。测量日期为 2026年9月4日，每个问题在每条臂上重复 2 次。
20 / 20 cells · /benchmarks/2026-09-04-codex.json
常见问题
Codex CLI 中的 gpt-5.6-terra 每问使用多少 token？
在 2026年9月4日 的基准测试中，Codex CLI 直接运行 gpt-5.6-terra 时，每个单行编程问题平均发送 24,000 个缓存加权输入 token；使用 capsul 后为 11,100 个。
gpt-5.6-terra 的节省有统计依据吗？
有。90% 区间为 ×1.57 至 ×3.20，整体高于一，共测得 20 个单元格。
capsul 会改变 gpt-5.6-terra 的答案吗？
通过的校验更多：直接运行时为五项中的 3 项，使用 capsul 时为 4 项。五项样本很小，应理解为没有损失，而非确立了提升。