Wer Codex regelmäßig zur Softwareentwicklung nutzt, stellt schnell fest: Nicht jede Anfrage belastet das verfügbare Nutzungskontingent gleich stark. Einen besonders großen Einfluss haben dabei zwei Einstellungen: das gewählte GPT-5.6-Modell und der eingestellte Aufwand, also der sogenannte Reasoning Effort.
Doch was bedeuten diese Einstellungen konkret und welche Kombination eignet sich für welche Aufgabe?
Die GPT-5.6-Modelle unterscheiden sich beim Verbrauch
Innerhalb von Codex stehen unterschiedliche GPT-5.6-Varianten zur Verfügung. Sie unterscheiden sich nicht nur hinsichtlich ihrer Leistungsfähigkeit, sondern auch deutlich beim Verbrauch des Nutzungskontingents.
Vereinfacht lassen sie sich folgendermaßen einordnen:
| Modell | Verbrauch | Geeignet für |
|---|---|---|
| GPT-5.6 Luna | sehr niedrig | kleine und einfache Änderungen |
| GPT-5.6 Terra | mittel | normale Softwareentwicklung |
| GPT-5.6 Sol | hoch | besonders komplexe Aufgaben |
Dabei ist Luna die sparsamste Variante. Für einfache Aufgaben kann das Modell daher sehr interessant sein.
Terra stellt einen guten Mittelweg zwischen Leistungsfähigkeit und Verbrauch dar und eignet sich deshalb als Standardmodell für viele Entwicklungsaufgaben.
Sol bietet die höchste Leistungsfähigkeit, verbraucht dafür jedoch auch deutlich mehr Kontingent. Es sollte deshalb vor allem dann eingesetzt werden, wenn eine Aufgabe tatsächlich komplex genug ist, um davon zu profitieren.
Wie groß sind die Unterschiede?
Der Unterschied kann erheblich sein. Bei der tokenbasierten Abrechnung von Codex ist GPT-5.6 Sol beispielsweise deutlich teurer als Luna.
Beim Input kann Sol ungefähr das 20-Fache von Luna kosten. Auch bei den erzeugten Output-Tokens ist der Unterschied groß.
Das bedeutet allerdings nicht, dass jede Anfrage mit Sol automatisch exakt 20-mal so viel Kontingent verbraucht. Der tatsächliche Verbrauch hängt unter anderem von folgenden Faktoren ab:
- Größe des Projekts und des benötigten Kontexts
- Anzahl der analysierten Dateien
- Länge der Eingabe und Ausgabe
- verwendete Tools
- Umfang des internen Reasonings
- Komplexität der Aufgabe
Eine kleine Änderung kann daher auch mit Sol vergleichsweise wenig verbrauchen, während eine umfangreiche Projektanalyse mit Terra bereits deutlich mehr Ressourcen benötigt.
Was bedeutet die Einstellung „Aufwand“?
Neben dem Modell lässt sich in Codex der Aufwand einstellen. Technisch handelt es sich dabei um den sogenannten Reasoning Effort.
Diese Einstellung bestimmt vereinfacht gesagt, wie intensiv das Modell über eine Aufgabe nachdenken darf.
Bei einem niedrigen Aufwand versucht Codex schneller zu einer Lösung zu kommen. Bei einem hohen Aufwand kann das Modell mehr Rechenarbeit investieren, beispielsweise um komplexe Zusammenhänge zwischen mehreren Dateien zu analysieren oder einen schwer nachvollziehbaren Fehler zu finden.
Typischerweise lässt sich der Aufwand ungefähr so einordnen:
| Aufwand | Geeignet für |
|---|---|
| Niedrig | kleine Änderungen und einfache Aufgaben |
| Mittel | normale Entwicklungsaufgaben |
| Hoch | komplexe Features, Debugging und Refactoring |
| Sehr hoch / xhigh | schwierige Architektur- und Analyseaufgaben |
| Max | besonders komplexe Probleme |
Für die meisten Aufgaben ist Mittel ein sinnvoller Ausgangspunkt.
Verbraucht ein höherer Aufwand mehr Kontingent?
Grundsätzlich: Ja.
Es gibt allerdings keinen festen Faktor nach dem Schema:
„Hoch verbraucht immer doppelt so viel wie Mittel.“
Ein höherer Reasoning Effort erlaubt dem Modell vielmehr, mehr interne Reasoning-Tokens zu verwenden. Wie viel davon tatsächlich benötigt wird, hängt von der jeweiligen Aufgabe ab.
Eine komplizierte Fehlersuche mit hohem Aufwand kann deshalb erheblich mehr verbrauchen als eine einfache Codeänderung mit niedrigem Aufwand.
Modell und Aufwand sinnvoll kombinieren
Für die Praxis bietet es sich an, nicht grundsätzlich das leistungsfähigste Modell mit der höchsten Aufwandstufe zu verwenden.
Eine sinnvolle Einteilung könnte beispielsweise so aussehen:
| Aufgabe | Modell | Aufwand |
|---|---|---|
| Text oder Variable ändern | Luna | niedrig |
| Boilerplate erzeugen | Luna | niedrig bis mittel |
| einfache CRUD-Funktion erstellen | Luna / Terra | mittel |
| normales neues Feature | Terra | mittel |
| mehrere Dateien ändern | Terra | mittel bis hoch |
| komplizierten Fehler suchen | Terra | hoch |
| großes Refactoring | Terra / Sol | hoch |
| Architekturproblem analysieren | Sol | hoch |
| sehr schwieriges Problem | Sol | sehr hoch / max |
Damit lässt sich das Nutzungskontingent wesentlich effizienter einsetzen.
Terra + Mittel als gute Standardeinstellung
Für die normale Softwareentwicklung erscheint GPT-5.6 Terra mit mittlerem Aufwand als besonders interessante Kombination.
Sie bietet genügend Leistungsfähigkeit für typische Aufgaben wie:
- neue Features
- Refactoring
- Fehlersuche
- Arbeiten über mehrere Dateien hinweg
- Datenbankanpassungen
- UI- und Backend-Änderungen
Erst wenn Codex bei einer Aufgabe Probleme bekommt, kann zunächst der Aufwand auf hoch gesetzt werden.
Reicht auch das nicht aus, kann anschließend auf GPT-5.6 Sol gewechselt werden.
Damit ist es meist effizienter, sich schrittweise nach oben zu arbeiten, anstatt jede Aufgabe direkt mit Sol und maximalem Reasoning auszuführen.
Luna für Routineaufgaben nutzen
GPT-5.6 Luna ist insbesondere interessant, wenn viele kleinere Aufgaben erledigt werden sollen.
Beispiele wären:
- eine Property hinzufügen
- Methoden umbenennen
- einfache Klassen erzeugen
- Kommentare oder Dokumentation ergänzen
- einfache Tests schreiben
- kleine UI-Anpassungen vornehmen
- wiederkehrenden Boilerplate-Code erstellen
Für solche Aufgaben ist die zusätzliche Reasoning-Leistung von Sol häufig gar nicht erforderlich.
Durch den Einsatz von Luna lässt sich deshalb ein erheblicher Teil des verfügbaren Codex-Kontingents einsparen.
Fazit
Der Verbrauch von Codex hängt nicht ausschließlich davon ab, wie viele Anfragen gestellt werden. Entscheidend ist auch, welches Modell verwendet wird und wie viel Reasoning-Aufwand Codex investieren darf.
Als einfache Strategie bietet sich an:
Luna für einfache Routinearbeiten,
Terra + Mittel als Standard für die tägliche Entwicklung und
Sol gezielt für besonders schwierige Aufgaben.
Auch beim Aufwand gilt: Nicht automatisch die höchste Stufe auswählen. Für viele Entwicklungsaufgaben reicht die mittlere Einstellung vollkommen aus.
Wer Modell und Aufwand bewusst auswählt, kann sein verfügbares Codex-Kontingent dadurch deutlich effizienter nutzen, ohne bei komplexen Aufgaben auf die Leistungsfähigkeit der stärkeren Modelle verzichten zu müssen.
Hinweis: Modelle, Preise und Nutzungslimits von Codex können sich ändern. Die Angaben beziehen sich auf den Stand August 2026.