Featured image of post Codex CLI 悄悄把默认模型换成了 GPT-6-Astra：别让一次升级替你做选型

Codex CLI 悄悄把默认模型换成了 GPT-6-Astra：别让一次升级替你做选型

openai/codex 0.153.4 起，未显式配置模型时 GPT-6-Astra 成为打包默认。写这篇讲清楚：默认值陷阱、Fast 模式 2x 定价、stable/alpha 双通道与 Bedrock 路由，以及为什么你的 config 里必须钉死模型。

9 月 4 日，openai/codex 一个 0.153.4 的热修上线后，只要你的 ~/.codex/config.toml 里没有显式写 model，下一次升级起，你的 Codex CLI 就默认跑在 GPT-6-Astra 上，而你大概率根本没注意到。

这条热修不是什么大新闻，但它悄悄改了一个默认值，正好踩中大多数团队都会踩的坑：工具替你选模型，升级替你做架构决策。这篇讲给所有把 Codex 接进 CI、多人团队或生产链路的开发者——四个具体动作：把模型钉死在 config、搞懂 Fast 模式的成本口径、分清 stable 和 alpha 双通道、以及 Bedrock 侧的路由别配错。不评论 Codex 和 Claude Code 谁强，只算清一次升级可能带走你多少确定性和多少钱。

一个热修能改变的，是你整个团队的推理后端

先说证据，都在官方 release notes 里，可查。

0.153.4（2026-09-04，#42874）这么写的：“Fixed Astra’s visibility in the bundled model picker and made it the bundled default when no model is explicitly configured."——翻译过来就是：当你没有显式配置模型时，Astra 成为打包默认。

openai/codex 0.153.4 release notes（GitHub 官方截图）：“Fixed Astra’s visibility in the bundled model picker and made it the bundled default when no model is explicitly configured”（#42874）

注意这个措辞。“bundled default” + “when no model is explicitly configured” 是两个叠加条件。它没有强制改掉你 config 里写死的 model = "..."，它改的是未配置时的兜底值。问题恰恰出在"未配置"这三个字上——绝大多数人根本不知道自己有没有配过模型。

你查一下自己：cat ~/.codex/config.toml，如果里面没有 model 这一行，或者只有团队模板里抄来的一行 model = "gpt-5" 但没写 Astra，那 0.153.4 之后的每次 CLI 升级，你的请求都会打到 GPT-6-Astra。这不是你选的，是热修替你选的。

这事的危险性不在"Astra 好不好”，而在你的选型权和你的成本预算，被一个不声不响的 bugfix 接管了。对一个跑在 CI 里、脚本里、多人共用的 agent CLI 来说，模型就是它的"运行时"，运行时被悄悄换掉，跟依赖被悄悄升级是一个性质。

默认值陷阱：为什么"没配就是安全"是错觉

多数人觉得"我没动配置，所以系统用默认，默认总是稳妥的"。对稳定不变的软件成立，对快速迭代的 agent 工具不成立。

Codex 的模型默认值不是一次定死的。它在 0.153 这一个版本号里就变了多次：

  • 0.153.0（9-03）：还只是把 Astra 放进模型目录，没动默认；
  • 0.153.1（9-03，#42605）：加了"通过 API 配置 Astra 但不改默认模型、不显示在 picker 里"的能力——注意，官方自己在做"配置新模型但不碰默认"这个操作，说明当时默认仍是旧模型；
  • 0.153.4（9-04，#42874）：把 Astra 设为未配置时的默认。

三天之内，默认值从"旧模型"跳到"Astra"。如果你在 9 月 3 日那天看了 0.153.0 的 release notes，觉得"只是加了新模型，不影响我"，到 9 月 4 日晚上你就已经在用 Astra 了。验证一次默认值只能管一天，管不了下一次热修。

默认值陷阱就藏在这：默认值是一种会自己变化的常量，你用任何依赖锁定手段都没法锁它，除非显式声明。对编程 agent 这类"模型即运行时"的工具，model 这一行必须写出来。

默认值是会自己变化的常量——想锁住它，只能显式声明。

钉死模型，是今天就能做的最小动作

具体怎么做，给一份可直接照抄的清单，分三档：

第一档：个人机器（立刻做）

1
2

# ~/.codex/config.toml
model = "gpt-6-astra"

这一行就够了。加上它，你就不受"未配置兜底"影响。想换回旧模型，把 model 改成对应的模型名即可。运行时也可以用 codex --model gpt-5.6-sol 或 codex -c model='...' 临时覆盖，不污染配置文件。

第二档：项目级（团队共用）

在仓库根目录放 .codex/config.toml，把 model 写进去，让每个 clone 这个仓库的人都用同一个模型，而不是各自机器的全局配置。这样版本控制会记录模型变更，谁改了模型、什么时候改的，都在 git 历史里。

第三档：CI / 脚本 / 流水线（必须显式）

CI 里不要依赖任何配置文件默认值，直接在命令里传：

1

codex exec --model gpt-6-astra --skip-git-repo-check "your task"

把模型名当作 CI 的一个环境变量或 pipeline 参数，这样升级 codex CLI 不会静默改变你的 CI 行为。CI 最怕你以为是旧模型、实际是新的——整个流水线的结果漂移了还没人察觉。

在 CI 里，模型名应该是个显式参数，而不是一个你假设的默认值。

Fast 模式：速度是拿真金白银换的

0.153.2（9-03，#42632）还改了一行文案：把 GPT-6-Astra Fast tier 的描述从 “1.5x” 更正为 “2x speed, increased usage”，并明确"只改显示文字，不改请求如何运行"。

“只改显示文字"这句话才是最值钱的信号：它说明 Fast 模式的实际倍率一直是 2x，只是文案写错了。你团队里如果有人在 9 月 3 日之前看到 “1.5x” 并按 1.5 倍去估预算，那他的预算模型从一开始就是错的。

Astra 的价格锚点（OpenAI 官方定价页，标准档、短上下文）：

  • 输入 $10 / 百万 token
  • 输出 $50 / 百万 token
  • 缓存输入 $1 / 百万 token，缓存写入 $12.50
  • Fast 模式 = 标准价 ×2（即 $20 进 / $100 出）
  • 超 272k token 的长上下文：输入 $20 / 输出 $75（Fast 再 ×2）

所以 Fast 是拿 2 倍单价换 2 倍速度，不是什么免费提速。个人写代码，体感是"更快了”；团队或 CI 里，token 预算直接翻倍。

这里有个工程判断：Fast 模式的成本是按倍率算的，不是按时间算的。你省下来的时间价值是否超过多付的一倍 token 钱，取决于你的场景。如果是开发者在本地交互式用，速度的价值可能高；如果是跑在 CI 里、一跑就是一整晚的批量任务，开 Fast 等于每百万 token 多付一倍，而你晚上也没有人等着它更快。批量场景默认别开 Fast，先看跑完的真实 token 消耗再说。

持久化 Fast 模式的方式（官方文档）：config 里 service_tier = "fast" 加 [features].fast_mode = true，或者运行时用 flag。

双通道怎么选：stable 跟紧，alpha 别踩坑

Codex 是双发布通道。稳定线目前是 0.153.x（0.153.4 是 latest），alpha 线在 0.155.0-alpha 附近，离 main 分支还有数十个 commit，属于 pre-release。

选型原则很简单，但也容易被忽略：

  • CI、团队、生产：永远跟 stable（latest 标签），别追 alpha。热修如 0.153.4 就是为 stable 线打的补丁，你只要跟 latest 就能拿到。
  • 个人尝鲜 / 验证新特性：才上 alpha，而且每个 alpha 都要单独验证，因为 pre-release 随时可能改默认、改行为。

这里的坑是：很多团队"顺手"用了 npm i -g @openai/codex@latest 或类似方式，以为 latest 就是 stable。但 pre-release 也可能被某些安装路径带上，一旦装成 alpha，你就提前吃到了还没稳定的行为变更。在团队安装脚本里显式锁定版本号（例如固定到 0.153.4），而不是 @latest，是最稳的一招。

团队跟 stable 且锁版本号，个人才上 alpha 且逐个验证。

Bedrock 侧：模型 ID 和路由是两件事

如果你通过 AWS 用 Codex，Astra 的接入（0.153.3，#42805）有个特别容易配错的地方：它同时进了 Bedrock 的 Mantle 和 Runtime 两条路由，而两边的模型 ID 写法不一样。

  • Mantle 端点（只在 us-west-2）：模型 ID 用 openai.gpt-6-astra，不带 global / US 前缀，原样写；
  • Runtime 端点（不支持同区直连）：跨区要用带地理前缀的 ID——US 地理用 us.openai.gpt-6-astra，全球用 global.openai.gpt-6-astra。

一句话：Mantle 的 ID 原样带 openai.，Runtime 的 ID 要看你走的区。

多云接入时，很多人以为"模型名一致就万事大吉"，结果在 AWS 里直接抄 OpenAI 侧的 gpt-6-astra，不带 openai. 前缀或地理前缀，就会 404 或路由到错误区域。这块没有"通用正确写法"，只有"按你接的端点查文档"。

这套操作有个边界：别为了"锁定"而过度工程

这套操作有边界，说清楚什么时候不需要它。

如果你只是一个人、在自己的笔记本上交互式用 Codex，不接 CI、不跑批量、不看预算报表，那"钉死模型"对你更多是心理安慰，不是刚需——你随时能 codex --model 覆盖，成本敏感度也低。这套清单的价值密度，是随着"模型选择影响多少人、多少钱"而升高的：单人本地 < 项目团队 < CI 流水线 < 多云生产。

反过来说，如果你们团队已经把 Codex 接进了生产链路，那上面的每一档都值得做，而且趁早做。因为这类默认值变更从来不是最后一次——今天换默认模型，明天就可能换默认上下文长度、默认服务 tier、默认路由。你每一次都靠"事后看 release notes 再补救"，不如把"模型显式声明"变成团队配置的基线纪律。

现在就能查：三分钟，三件事

不用大动干戈，按顺序来：

  1. 查自己：cat ~/.codex/config.toml，看有没有显式 model；没有就加上，model = "gpt-6-astra"（或你团队指定的模型）。一分钟，堵住默认值陷阱。
  2. 查团队：CI 和安装脚本里是 @latest 还是锁版本？CI 的命令里有没有显式传 --model？没有就补上，把模型名变成显式参数。
  3. 算一笔账：如果开了 Fast，看一眼最近一周的 token 消耗，按 2 倍单价算它比 Standard 贵了多少，再决定值不值。批量场景默认关 Fast。

你的推理后端不该由一次热修替你决定。把模型从"默认"改成"声明"，花不了几分钟，是这周最省事的一笔改动。

参考与验证

  • openai/codex Releases（0.153.4 默认模型变更 #42874、0.153.3 Bedrock #42805、0.153.2 Fast 文案 #42632、0.153.1 API 配置 #42605）：https://github.com/openai/codex/releases （访问日期 2026-09-15）
  • openai/codex 仓库 Star/Fork：124k★ / 19.1k fork（GitHub API 复核，访问日期 2026-09-15）
  • GPT-6-Astra 定价（OpenAI 官方定价页 + 多家第三方汇总一致）：标准档 $10 输入 / $50 输出、缓存 $1、Fast ×2、272k+ 长上下文 $20/$75；https://www.cloudzero.com/blog/gpt-6-pricing 、https://www.yottalabs.ai/post/gpt-6-astra-pricing-api-cost-2026 （访问日期 2026-09-15）
  • Codex config 模型钉死 / Fast mode 持久化方式（官方文档）及 Bedrock Mantle/Runtime 路由：见 openai/codex 官方 docs（访问日期 2026-09-15）