Codex models: welk model gebruikt Codex en hoe wissel je?

Modellen

Welke modellen gebruikt Codex in oktober 2026?

OpenAI beveelt voor Codex en ChatGPT Work vier modellen aan. Het zijn algemene modellen uit de GPT-6-familie, geen aparte codeermodellen meer. Het model-id in de tweede kolom is wat je typt achter codex -m of zet in config.toml.

Twee Sol-versies naast elkaar

Naast GPT-6.1 Sol staat ook GPT-6 Sol (gpt-6-sol) nog in de prijstabel en in de limiettabel. De voorbeeldpresets in de desktop-app gebruiken die oudere Sol-versie. Kies je zelf een model, pak dan 6.1: hetzelfde input- en outputtarief, maar gecachte input kost de helft (2,5 tegen 5 credits per miljoen tokens) en de geschatte berichtenruimte op Plus is iets ruimer.

Terra mist de IDE-extensie

Bij GPT-6.1 Terra noemt de modelpagina de IDE-extensie niet als oppervlak, en in de CLI heb je minimaal versie 0.159.0 nodig. Werk je in VS Code of Cursor met de Codex-extensie en zie je Terra niet in de lijst, dan is dat de reden. Updaten doe je zoals beschreven bij Codex installeren.

Contextvenster van Sol

GPT-6.1 Sol heeft in Codex en ChatGPT Work een standaard contextvenster van 500.000 tokens. Op een abonnement rekent Codex daar geen toeslag voor lange context over. Voor de andere modellen noemt de Codex-modelpagina geen contextvenster.

Per plan

Welk Codex-model krijg je per plan en interface?

Welk model je ziet, hangt af van je plan, de app waarin je werkt, je workspace-instellingen en de uitrol. De dollarbedragen zijn de prijzen uit de officiële Codex-documentatie; je europrijs zie je in je eigen checkout. Onze laatst vastgelegde Nederlandse prijzen staan op wat Codex kost.

Free en Go: alleen Luna, alleen in de desktop-app

De pricingpagina noemt voor Free en Go één model: GPT-6 Luna op Standard-snelheid in de desktop-app, onder voorbehoud van uitrol. Na de uitfasering van GPT-5.5 adviseert OpenAI Free- en Go-gebruikers ook expliciet Luna te kiezen. Wil je Sol of Terra proberen, dan heb je minimaal Plus nodig. Wat Free verder wel en niet geeft staat op is Codex gratis.

Astra op Plus: wel getallen, geen garantie

De planomschrijving van Plus noemt alleen GPT-6.1 Sol en GPT-6 Luna, terwijl de limiettabel voor Plus wel 5 tot 45 Astra-berichten per vijf uur schat en de desktop-presets Astra-standen tonen. OpenAI zegt erbij dat beschikbare opties per plan, client, workspace en uitrol verschillen, en dat sommige betaalde plannen de stand Astra Extra High missen. Zie je Astra niet, dan is je account er nog niet voor ingeschakeld.

Cloud-taken volgen een eigen keuze

Lokale berichten en cloud-chats delen dezelfde allowance, maar cloud-taken kunnen volgens OpenAI meer van je allowance kosten dan lokale berichten. De documentatie noemt geen vast standaardmodel voor Codex Cloud. Controleer in de composer van je cloud-taak welk model en welke reasoning-stand er staat voordat je een grote taak start.

Model wijzigen

Codex model wijzigen: CLI, app, IDE en config.toml

Je kiest het model op verschillende niveaus, met een vaste rangorde: een CLI-vlag wint van het projectbestand, dat wint van een profiel, dat wint van je persoonlijke config.toml. Kies dus eerst waar de keuze moet gelden: voor één taak, voor één project of voor al je werk.

Je standaardmodel vastleggen in config.toml

Open ~/.codex/config.toml (in de IDE-extensie via het tandwiel, Codex Settings, Open config.toml) en zet er deze twee regels in:
model = "gpt-6.1-sol"
model_reasoning_effort = "medium"
De desktop-app, de CLI en de IDE-extensie lezen hetzelfde bestand. Laat je de model-regel weg, dan kiest Codex zelf een aanbevolen model. Dat is voor de meeste mensen de beste keuze, omdat je dan niet vastzit aan een model dat OpenAI later uitfaseert.

Een profiel voor zwaar reviewwerk

Maak een apart bestand ~/.codex/deep-review.config.toml met alleen de waarden die afwijken:
model = "gpt-6.1-sol"
model_reasoning_effort = "high"
Start het met codex --profile deep-review of codex exec --profile deep-review "review this change". Sinds Codex 0.134.0 werkt de oude schrijfwijze met een [profiles.naam]-tabel in config.toml niet meer. Zie je in een oude handleiding nog profile = "naam", verplaats die instellingen dan naar een eigen bestand.

In de desktop-app: Power, Smarter, Faster en Advanced

In de ChatGPT desktop-app en Work op het web begin je met de standaard Power-stand van je account. Schuif richting Smarter voor meer redeneerwerk of richting Faster voor sneller en goedkoper werk. Wil je een specifiek model, zoals Terra, open dan Advanced en kies het uit de modellijst. Voor lokaal werk bepaalt config.toml waarmee de app start.

Max en Ultra vinden in de CLI

Zie je in de CLI geen Max of Ultra na /model, kies dan eerst een model en daarna More reasoning…. Alle andere commando's voor sturing, zoals /fast en /plan, staan op de pagina met Codex-commands.

Reasoning effort

Reasoning effort in Codex: Light tot Ultra

Reasoning effort bepaalt hoeveel denkwerk het model in je opdracht steekt. Hoger kan betere resultaten geven bij complexe taken, maar duurt langer en verbruikt meer tokens. OpenAI adviseert te beginnen bij de standaardstand en pas op te schalen als de taak meer planning of analyse vraagt. De niveaus vertalen niet één op één tussen modelgeneraties: probeer een taak die je kent eerst op een lagere stand en schaal dan op.

Startstand verschilt per model

OpenAI geeft per model een ander vertrekpunt. Luna: begin op High. Luna is per token zo goedkoop dat die hogere stand weinig kost. Astra: begin op Light (in config.toml: low). Astra is duur per token, dus je schaalt pas op als de taak dat vraagt. 6.1 Sol: begin op de standaardstand van je client. Luna ondersteunt tot en met Max, maar geen Ultra.

Max en Ultra zijn voor uitzonderingen

De docs zeggen het letterlijk: "Most tasks do not need Max or Ultra." Max geeft één model meer tijd. Ultra knipt een taak op en laat subagents delen parallel doen, wat alleen loont als je taak echt in losse delen uiteenvalt, zoals een review op beveiliging, testdekking en onderhoudbaarheid tegelijk. Verschijnt Ultra niet in de schuifregelaar van de desktop-app, zet hem dan aan onder Settings, Configuration, "Ultra in model picker slider".

Plan mode een eigen stand geven

Met plan_mode_reasoning_effort = "high" in config.toml denkt Codex in Plan mode harder na dan tijdens het uitvoeren. Dat is een goede verdeling: een fout in het plan kost je de hele taak, een fout in een losse bewerking kost één correctie. Wanneer plannen loont en hoe je het aanzet, staat op Codex plan mode.

Kosten per model

Wat kost elk Codex-model in limiet, credits en API?

Drie getallen bepalen wat een model je kost. De limiettabel schat hoeveel lokale berichten je per vijf uur haalt op Plus en Standard Business. De credit-tarieven gelden zodra je inbegrepen ruimte op is. De API-prijs geldt alleen als je met een eigen API-key inlogt. OpenAI waarschuwt zelf dat je API-prijzen niet moet gebruiken om inbegrepen taken te schatten.

Rekenvoorbeeld: zelfde klus, vijf modellen

Neem als zuiver rekenvoorbeeld 100.000 input-tokens en 10.000 output-tokens, zonder caching en op Standard-snelheid. Dan kost Astra 37,5 credits (25 + 12,5), 6.1 Sol 7,5 credits (5 + 2,5), Terra 3,75 credits (2,5 + 1,25) en Luna 0,375 credits (0,25 + 0,125). Astra is per token dus vijf keer zo duur als 6.1 Sol en honderd keer zo duur als Luna. Dit is onze eigen berekening op de officiële tarieven, geen gemeten taak: een sterker model kan dezelfde klus in minder stappen afronden.

Fast en Ultrafast vermenigvuldigen het verbruik

Fast mode (/fast in de CLI) verbruikt je inbegrepen ruimte 2,5 keer zo snel en betaalde credits 2 keer zo snel. Ultrafast bestaat alleen voor Astra en 6.1 Sol, op Pro $500 en geschikte Enterprise- en Edu-plannen, en verbruikt inbegrepen ruimte 8 keer en credits 6 keer zo snel. Zet Fast dus niet als standaard in config.toml (service_tier = "fast") tenzij je weet dat je ruimte genoeg hebt.

Wat een credit in euro kost

Dat publiceert OpenAI niet in de documentatie: de aankoopprijs en eventuele korting hangen af van je plan of overeenkomst en zie je in het usage-dashboard. Hoe je je verbruik bijhoudt en wat je doet als je limiet op is, staat op Codex-limieten.

Subagents

Welk model gebruiken subagents en /review?

Een subagent erft standaard het model en de reasoning effort van de hoofdsessie. Draait je hoofdsessie op Astra Extra High, dan doen al je subagents dat ook, en dat tikt snel aan. Je kunt dat op drie niveaus anders instellen.

Goedkope verkenners, zware beslisser

Zet in config.toml onder [agents] bijvoorbeeld:
[agents]
default_subagent_model = "gpt-6-luna"
default_subagent_reasoning_effort = "high"
De hoofdsessie houdt dan 6.1 Sol voor plannen en beslissen, terwijl subagents op Luna de code doorzoeken en samenvatten. Dat is ook het voorbeeld dat OpenAI zelf geeft: Luna voor snelle scans, Sol met hogere effort voor het zware denkwerk. Doe dit niet voor een reviewer die beveiligingsfouten moet vinden; geef die een eigen agentbestand met 6.1 Sol op high.

Volgorde als instellingen botsen

Codex kijkt eerst naar een expliciete keuze in je prompt ("start een subagent op gpt-6-luna"), dan naar de [agents]-standaard, dan naar de hoofdsessie. Zet een agentbestand zelf een model of effort, dan wint dat bestand. Kiest een agentbestand alleen een model, zet er dan ook een effort bij als het gekozen model de geërfde stand niet ondersteunt. Hoe subagents verder werken staat bij Codex-functies.

Uitgefaseerd

GPT-5.5, Spark en GPT-Codex: welke modellen zijn verdwenen?

OpenAI faseert oude modellen snel uit, en een vastgepind model-id in een script of config.toml werkt daarna niet meer bij ChatGPT-login. Met een eigen API-key blijven de meeste oude modellen langer beschikbaar.

Wat er met "GPT-Codex" is gebeurd

Vroeger had Codex eigen codeermodellen, zoals GPT-5.2-Codex en GPT-5.3-Codex. Dat is voorbij. De API-documentatie zegt nu: "Codex works best with the latest general-purpose models, such as gpt-6.1-sol." Het model gpt-5.3-codex is deprecated en stopt in de API op 1 april 2027. Zoek je op "gpt codex", dan bedoel je in de praktijk GPT-6.1 Sol.

Waar je oude model-id's moet zoeken

OpenAI noemt zes plekken: workspace-defaults, opgeslagen modelinstellingen, managed configurations, custom agents, geplande taken en scripts die een model kiezen. Zoek in je repo en in ~/.codex op "gpt-5." en vervang wat je vindt. Een vergeten codex exec -m gpt-5.5 in een nachtelijke taak faalt anders stil.

Met een API-key werkt GPT-5.5 nog

De uitfasering geldt alleen voor Codex met ChatGPT-login. Via de OpenAI API en in Codex-sessies met een API-key blijft GPT-5.5 beschikbaar; daar volgt het aanbod je API-organisatie en project.

Beslisregel

Welk Codex-model kies je voor welke taak?

De regel die wij in trainingen meegeven: begin op 6.1 Sol, schaal naar Astra als Sol na één correctieronde nog vastloopt, en zet herhaalbaar werk op Luna zodra je weet hoe een goed resultaat eruitziet. Per taaktype ziet dat er zo uit.

Wanneer je niet opschaalt

Schaal niet naar Astra of Max als het probleem in je opdracht zit. Een vage prompt wordt op een duurder model niet scherper, alleen duurder. Controleer eerst of je de juiste bestanden hebt genoemd, wat "klaar" betekent en welke test moet slagen. Pas als Sol met een goede opdracht en één correctieronde nog faalt, is een zwaarder model de logische stap.

Kopieer deze opdracht om modellen te vergelijken

Draai dezelfde taak op twee modellen in een aparte worktree of branch en vergelijk:
codex exec -m gpt-6.1-sol "Voeg invoervalidatie toe aan src/forms/offerte.ts. Klaar = alle bestaande tests slagen en er is één nieuwe test per validatieregel. Geef aan het eind een lijst met aannames."
codex exec -m gpt-6.1-terra "...dezelfde opdracht..."
Kijk in het usage-dashboard naar het verbruik en tel hoeveel correcties je nodig had. Dat zegt meer dan elke benchmark.

Valkuil

De grootste valkuil: alles op het zwaarste model

De fout die we in trainingen het vaakst zien: iemand zet Astra of Max als standaard, omdat "beter" veilig voelt. Halverwege de dag is de limiet op en moet de rest wachten, terwijl het meeste werk die stand niet nodig had.

Waarom het misgaat

Astra kost per token vijf keer zoveel credits als 6.1 Sol. Hogere reasoning verbruikt per beurt meer tokens. Ultra start subagents die elk weer eigen tokens verbruiken. Die drie stapelen, dus Astra op Extra High met Ultra is de duurste combinatie die Codex kent. En subagents erven dat zware model als je niets instelt.

Wat je in plaats daarvan doet

Laat de model-regel in config.toml weg of zet hem op gpt-6.1-sol met medium. Schaal per taak op met /model of -m en zet daarna terug. Geef subagents Luna als standaard. Kijk na een week in het usage-dashboard of /status of je ruimte overhoudt; zit je structureel aan je limiet, dan is een kleiner model voor routinewerk de eerste stap, nog voor een duurder plan.

De tweede valkuil: een vastgepind oud model

Wie in juli model = "gpt-5.5" in config.toml zette, kreeg na 14 oktober fouten bij ChatGPT-login. Pin alleen een model als je een reden hebt, zoals reproduceerbare resultaten in een script, en zet een herinnering bij elke aangekondigde uitfaseringsdatum.

Ons oordeel

Ons oordeel over de Codex-modellen voor Nederlandse teams

GPT-6.1 Sol is voor vrijwel elk MKB-team de juiste standaard: sterk genoeg voor echt codeerwerk en per token een vijfde van Astra. Astra is een gereedschap voor de lastige uitzondering, Luna het werkpaard voor herhaalwerk. Terra is de verrassing voor teams die veel tekst en schermen verwerken.

Wanneer wel, wanneer niet

Wel: teams met een of twee developers die koppelingen, interne tools of een website onderhouden, en die met Sol als standaard en Luna voor subagents ruim binnen Plus of Business blijven. Niet: wie Codex alleen voor Nederlandse kantoorteksten wil gebruiken zonder code; daarvoor is ChatGPT zelf, met Terra in Work, de kortere route. Ook niet als je per se één vast model wilt voor maanden: OpenAI heeft in 2026 al meerdere keren oude modellen uit Codex gehaald.

AVG en EU: het model verandert je dataregels niet

Of je code voor training wordt gebruikt, hangt af van je plan, niet van het model. Op Free, Go, Plus en Pro kan dat standaard, tenzij je het uitzet; op Business, Enterprise en Edu niet. Dat staat uitgewerkt op Codex en privacy. Wat wel per model verschilt: data residency. Enterprise en Edu hebben residency-controls, en volgens de speed-documentatie ondersteunt GPT-6.1 Sol Ultrafast inference in Europa (EER en Zwitserland), terwijl GPT-6 Astra Ultrafast alleen in de Verenigde Staten draait. Via de API rekent OpenAI 10 procent toeslag voor regionale verwerking bij modellen die op of na 5 maart 2026 zijn uitgebracht.

Nederlandse teksten en lokale modellen

OpenAI publiceert geen kwaliteitscijfers per model voor Nederlands. Ons advies: laat release notes, klantmails en Nederlandse foutmeldingen door Terra of Sol schrijven en controleer ze op toon; Luna is prima voor gestructureerde omzettingen, maar lees vrije Nederlandse tekst van Luna kritischer na. Wil je dat code je eigen machine niet verlaat, dan kan Codex ook met lokale modellen via de ingebouwde providers voor Ollama en LM Studio, of via een eigen provider met een Responses-API. Verwacht dan niet het niveau van Sol.

Een MKB-voorbeeld

Neem een installatiebedrijf met één developer die de koppeling tussen Exact Online en het eigen planningssysteem onderhoudt. De koppeling ombouwen naar een nieuwe API-versie doet die developer op 6.1 Sol, Medium. De export van duizend werkbonregels naar het nieuwe CSV-formaat zetten gaat op Luna, High. De releasenotitie voor de planners schrijft Terra. Eén keer per maand, bij een fout die niemand begrijpt, mag Astra erop. Zo haal je het meeste uit één plek voordat je aan een duurder plan denkt. Wil je dit met je team oefenen op je eigen repo, dan is dat precies wat we in een AI-werksessie doen.

Codex of Claude Code?

Die vraag beantwoorden we niet per model maar per team, op Claude Code vs Codex. De modelkeuze binnen Claude Code staat op Claude Code-modellen.