我最近发现一个挺有意思的现象。
不少人用 Codex 的时候，上来就把 effort 开到 xhigh。
不管是改个 README，还是修个小 bug，或者是启动一个项目，还是让它帮忙看一段报错，第一反应都是：拉满！！！
（不只针对 Codex ，所有具有 effort 的 LLM 都适用。）
这就像是你本打算洗个车，结果你车开进洗车房把车和人一块洗了。
这事儿吧，不能说完全没道理。
xhigh 肯定有用。OpenAI 既然给了这个档位，就说明它不是摆设。但是我越来越觉得，把它当默认配置，真不是最佳选项。
reasoning effort 不是智商开关，它更像一面镜子。
这面镜子能照出对不同任务难度的依赖程度，是主打多快好省还是啥都不考虑直接拉满。
你需要考虑的是更长的思考时间、更高的 token 消耗、更慢的响应，还有在复杂任务上更充分的推理空间。
但它不会自动帮你把一个烂任务变成好任务。
我之前也有这个毛病。
刚开始用 coding agent 的时候，心态很朴素：反正我都让它干活了，那就给它开最强。
这就是订阅制的弊端，只要用不完，从心理上感觉就会亏。而且 Codex 上周一周重置三次的节奏，谁都会感觉亏。。。
但用多了之后会发现，有些任务开 xhigh，不仅没必要，甚至有点反效果。
比如让 Codex 改一个变量名，补一段注释，整理一下日志，或者把一段 Markdown 改得更顺一点。
这种任务的核心诉求是什么？
多快好省。
你要的是它看懂、动手、改完、给 diff。不是让它在后台沉思半天，最后给你一个“经过综合权衡”的变量名。
更关键的是，xhigh 很容易让人形成一种错觉：只要结果不好，就是模型想得还不够久。
但很多时候，问题根本不在这。
问题可能是你没给测试命令，没说验收标准，也没告诉它哪个目录不能碰，也没把业务背景讲清楚，甚至只是工作区本来就一坨。
这些东西，开再高的 effort 也救不了。
它最多是在错误上下文里更认真地绕路。
官方其实也没让你一上来就拉满
OpenAI 的 Codex 配置文档里，确实有 model_reasoning_effort。它支持 minimal、low、medium、high、xhigh 这些档位。
但是在 reasoning models 的说明里，xhigh 的定位写得很清楚：深度研究、异步工作流、需要很长 rollout 的 agent 任务，以及安全审计、复杂 code review、困难 coding 任务。
还有一句我觉得非常关键：
只有当 eval 证明额外延迟和成本值得时，才用 xhigh。
这就是很多人用 AI 工具时最容易忽略的地方：我们很容易把“更贵、更慢、更重”误认为“更专业”。
提示词越长，好像越专业。
上下文塞得越满，好像越专业。
MCP 接得越多，好像越专业。
effort 开得越高，好像越专业。
但工程不是这么玩的。工程讲的是约束、反馈和验证。一个任务如果 3 分钟能解决，你非让它用 30 分钟证明自己很努力，这不是专业，这叫看着很专业。
真正影响 Codex 的，往往不是 effort
Codex 跟普通聊天最大的区别，是它是 agent ，而普通聊天是 chat bot。
agent 会读文件、跑命令、看报错、改代码、再跑测试。
所以真正影响效果的，很多时候不是你把 effort 从 medium 拧到 xhigh，而是这些更朴实的东西：
项目根目录对不对。
测试命令有没有。
AGENTS.md 有没有把规矩讲清楚。
权限给够了没有。
上下文是不是干净。
你有没有告诉它“做到什么程度算完成”。
我现在越来越相信一件事：一个上下文清楚的 medium，经常比一个上下文混乱的 xhigh 靠谱。
而且更麻烦的是，默认 xhigh 会让你变懒。
你会少做任务拆分，少写验收标准，少关心测试反馈，最后把所有问题都丢给“你再好好想想”。
我之前经常这么干。
然后 xhigh 给你拉了一坨。
我们经常陷入到订阅陷阱里面去，就好像我们是为了消耗订阅而用，并不是为了把活干好而用。
我更推荐按任务分流
比较舒服的用法，其实很简单，先判断任务类型。
轻任务就用 low。
比如改文案、抽字段、整理格式、修一个很浅的类型错误。这类任务不需要深度推理，需要的是手快、别乱发挥。
常规开发用 medium。
写一个小功能、补测试、处理普通 bug、看一段日志、做一次资料综合，medium 大部分时候够用。OpenAI 在 GPT-5.5 的说明里也提到，默认是 medium，而且很多 workloads 用 low 也能跑得不错。
复杂任务再上 high。
比如跨模块重构、疑难 bug、架构方案取舍、长上下文分析。这个时候多给一点推理空间是合理的，因为任务本身就需要规划和权衡。
xhigh 呢？
留给少数真正硬的东西。
比如安全审计、复杂 code review、长链路研究、特别困难的 coding workflow，或者你已经试过 medium / high，确实发现它差一口气。
这时候再开 xhigh，我觉得没问题。
但默认就开，属于用李云龙的意大利炮打了个蚊子。
如果你经常用 Codex CLI，可以配几个 profile。
[profiles.fast]
model_reasoning_effort = "low"
[profiles.work]
model_reasoning_effort = "medium"
[profiles.deep]
model_reasoning_effort = "high"
我这里故意没写 xhigh。
原因是 xhigh 不应该成为日常的工作入口。
你真遇到那种“今天这个任务就是要让它狠狠干一把”的情况，再临时切过去就行。
这个跟权限也有点像。
你不会因为某个项目偶尔需要全盘访问，就把所有项目默认开成最大权限。工具给你选择，不代表每个选择都适合默认。
我一直觉得，AI 时代最容易被误解的一句话是：AI 放大人的能力。
很多人听到这句话，只听到了“放大”。
但它真正残酷的地方在于，它也会放大你的混乱。
你目标清楚，它帮你加速达成目标。
你判断模糊，它会带着你越跑越远。
你给它一个好问题，它能给你一个不错的解法。
你给它一个烂问题，再开 xhigh，它也只是更努力地陪你绕圈。
所以我现在用 Codex 的一个原则是：
日常 medium，轻任务 low，复杂任务 high。
xhigh 留着。
真到需要的时候再开。
AI 是解题高手，但不是判断专家。真正该开到 extra high 的，是人的判断力。
