Kredyty, limity użycia i optymalizacja kosztów

Zarządzanie kosztami Codex obejmuje plany cenowe, tokenowy system kredytów i strategie redukcji wydatków bez utraty produktywności. Kredyty skalują się z mieszanką tokenów wejściowych, z cache i wyjściowych w poziomach Sol, Terra i Luna, więc dobieranie rozmiaru zadań, ograniczanie AGENTS.md, limitowanie serwerów MCP i świadome użycie chmury redukują zużycie. Dashboard i Analytics API czynią wydatki widocznymi.

Jesteś trzy dni w sprint i dashboard użycia Codex twojego zespołu pokazuje, że wykorzystaliście 80% dostępnych kredytów. Dwóch programistów uruchamia szerokie zadania eksploracyjne z dużo większym kontekstem niż potrzebują. Jedna automatyzacja uruchamia się co godzinę, gdy wystarczyłoby co dzień. Bez widoczności i dyscypliny koszty Codex mogą cię zaskoczyć. Ten artykuł daje ci kontrole i strategie, żeby utrzymać wydatki na przewidywalnym poziomie.

Czego się nauczysz o zarządzaniu kosztami Codex

Jasne zrozumienie planów cenowych Codex, kosztów kredytów i limitów użycia
Konkretne strategie redukujące niepotrzebne zużycie kredytów bez poświęcania produktywności
Wzorce monitorowania i alertów z dashboardu użycia i Analytics API
Frameworki decyzyjne dotyczące wyboru: local vs cloud oraz GPT-5.6 Sol vs Terra vs Luna

Dostęp i rozliczanie w skrócie

Sposób dostępu	GPT-5.6 w Codex	Sposób rozliczania użycia
Free / Go	Terra	Limity zawarte w planie; zamiast dokupienia kredytów Codex użytkownik dostaje propozycję podwyższenia planu
Plus / Pro	Sol, Terra i Luna	Najpierw użycie zawarte w planie; kwalifikujący się użytkownicy mogą dokupić kredyty po jego wyczerpaniu
Business / Enterprise	Sol, Terra i Luna, jeśli są włączone dla workspace’u i roli	Użycie zawarte w planie i/lub zarządzana pula kredytów, zależnie od konfiguracji workspace’u
Klucz OpenAI API	Sol, Terra i Luna przez API	Rozliczanie tokenowe API, oddzielne od kredytów planu ChatGPT

Dostępność modeli i limity użycia zależą od planu, etapu wdrożenia, polityki workspace’u i roli. Nie zapisuj na stałe liczby wiadomości w dokumentacji budżetowej: OpenAI może zmieniać limity zawarte w planie, a dashboard użycia pokazuje bieżący limit konkretnego konta.

Jak działają kredyty

Większość nowych i obecnych klientów korzysta teraz z tokenowego cennika Codex. Kredyty zależą od faktycznej kombinacji tokenów wejściowych, wejściowych z cache i wyjściowych, a nie od stałego kosztu wiadomości:

Model	Wejście / 1M tokenów	Wejście z cache / 1M	Wyjście / 1M
GPT-5.6 Sol	125 kredytów	12,50 kredytu	750 kredytów
GPT-5.6 Terra	62,50 kredytu	6,25 kredytu	375 kredytów
GPT-5.6 Luna	25 kredytów	2,50 kredytu	150 kredytów

Przy tej samej kombinacji tokenów Terra zużywa o połowę mniej kredytów niż Sol, a Luna jedną piątą stawki Sol. Rzeczywiste zadania mogą używać różnej ilości kontekstu i wyjścia, więc te proporcje nie gwarantują takiej samej oszczędności per zadanie. Niewielka część workspace’ów Enterprise nadal korzysta ze starego cennika per wiadomość; przed prognozowaniem sprawdź, który cennik obowiązuje. W obecnym cenniku tokenowym code review używa GPT-5.3-Codex, a nie jednego z poziomów GPT-5.6.

Strategie optymalizacji kosztów

Strategia 1: Dobierz rozmiar zadań

Największy czynnik kosztu to złożoność zadania. Każda wiadomość przetwarzana przez Codex zawiera twój prompt, AGENTS.md, definicje narzędzi MCP i zgromadzony kontekst.

Strategia 2: Zminimalizuj rozmiar AGENTS.md

Każda wiadomość Codex zawiera treść twojego AGENTS.md. Dla dużych projektów użyj zagnieżdżonych plików AGENTS.md:

# Root AGENTS.md (100 lines - loaded for all tasks)
AGENTS.md

# Service-specific (50 lines - loaded only when working in payments/)
services/payments/AGENTS.md

# Frontend-specific (50 lines - loaded only when working in frontend/)
packages/frontend/AGENTS.md

W ten sposób zadanie w services/payments/ ładuje 150 linii wskazówek zamiast monolitycznego pliku o 500 liniach.

Strategia 3: Ogranicz serwery MCP

Każdy skonfigurowany serwer MCP dodaje definicje narzędzi do twojego kontekstu. Wyłącz serwery MCP, których aktywnie nie używasz:

[mcp_servers.sentry]
enabled = false  # Re-enable when debugging production issues

[mcp_servers.linear]
enabled = true   # Always useful for issue context

Strategia 4: Routuj według poziomu GPT-5.6

Rezerwuj GPT-5.6 Sol do złożonego rozumowania. Używaj Terra do codziennej pracy z balansem, a Luna do:

Prostych refaktoringów i zmian nazw
Prostego pisania testów
Aktualizacji dokumentacji
Poprawek lintingu i formatowania

W CLI: codex --model gpt-5.6-luna "add docstrings to all public functions in src/utils/"

Cennik API GPT-5.6: Sol $5 / $30, Terra $2.50 / $15, Luna $1 / $6 za MTok input/output. Użycie Codex w subskrypcji podlega cennikowi kredytowemu powyżej. Wybór modelu i poziomu rozumowania widoczny w Codex zależy od planu i roli w workspace.

W aplikacji: zmień model w dropdownie kompozytora wątku.

Strategia 5: Używaj chmury świadomie

Obecny cennik jest tokenowy, więc zadania lokalne i chmurowe nie mają jednej trwałej proporcji ceny per wiadomość. Uruchomienia chmurowe mogą jednak zużyć więcej, gdy ładują szersze środowiska, działają dłużej lub generują więcej wyjścia. Używaj chmury, gdy potrzebujesz:

Zdalnego wykonania (delegowanie ze Slacka, urządzenia mobilnego lub innej strefy czasowej)
Pełnej izolacji środowiska
Równoległych prób best-of-N
Pracy na branchu, którego jeszcze nie wypchnąłeś (użyj codex cloud do delegowania z CLI)

Monitorowanie i alerty

Dashboard użycia

Dashboard użycia Codex pokazuje:

Bieżące użycie w stosunku do limitów
Zużycie kredytów w czasie
Podział wg powierzchni (lokalne, chmurowe, code review)

Analytics API dla zespołów

Dla zespołów enterprise zbuduj automatyczne alerty. Sprawdź dokładną ścieżkę i uwierzytelnianie dla dziennych metryk w dokumentacji Analytics API — poniższy endpoint jest poglądowy:

// Check daily credit burn rate
// Illustrative endpoint — see the Analytics API reference for the real path
const response = await fetch(ANALYTICS_DAILY_ENDPOINT, {
  headers: { Authorization: `Bearer ${adminToken}` }
});

const data = await response.json();
const dailyCredits = data.total_credits_used;

if (dailyCredits > DAILY_BUDGET * 0.8) {
  await sendSlackAlert(`Codex credit usage at ${dailyCredits}/${DAILY_BUDGET} (80% of daily budget)`);
}

Kontrola kosztów automatyzacji

Automatyzacje to ukryty czynnik kosztowy, ponieważ działają nienadzorowane:

Przeglądaj kadencję: Czy twoja automatyzacja musi działać co godzinę? Codzienny interwał często wystarcza.
Zawężaj prompty: Szeroka automatyzacja “scan the entire codebase” kosztuje znacznie więcej niż “scan files changed in the last 24 hours.”
Używaj trybu read-only: Automatyzacje raportujące nie potrzebują dostępu do zapisu, a tryb read-only zapobiega niepotrzebnym wywołaniom narzędzi.
Archiwizuj ukończone uruchomienia: Stare worktree automatyzacji zajmują miejsce na dysku, a ich utworzenie zużyło kredyty. Archiwizuj to, co już przejrzałeś.

Gdy kontrola kosztów Codex zawodzi

Trafienie w limity w środku sprintu: Użytkownicy Free i Go dostają propozycję podwyższenia planu. Kwalifikujący się użytkownicy Plus i Pro mogą dokupić kredyty; opcje w zarządzanym workspace zależą od roli i polityki administratora. Przy tej samej kombinacji tokenów przejście z Sol na Terra zmniejsza stawkę kredytową o połowę, a Luna zużywa jedną piątą stawki Sol.
Nieoczekiwane koszty zadań chmurowych: Przejrzyj, które integracje (Slack, Linear) tworzą zadania chmurowe. Rozważ ograniczenie dostępu do chmury dla konkretnych grup użytkowników przez RBAC.
Drenaż kredytów przez automatyzacje: Sprawdź sekcję Automations w sidebarze pod kątem uruchomień, które odpalają się zbyt często lub dają wyniki o niskiej wartości. Dostosuj kadencję lub wyłącz.
Niespodzianki z użyciem klucza API: Użycie klucza API jest rozliczane po standardowych stawkach API per token. Ustaw limity wydatków w dashboardzie platformy OpenAI.

Dokąd dalej z zarządzaniem kosztami

Zarządzanie enterprise — RBAC i kontrole administracyjne do zarządzania kosztami w całym zespole
Automatyzacje — Zoptymalizuj harmonogramy i prompty automatyzacji pod kątem efektywności kosztowej
Tryb nieinteraktywny — Budżetuj użycie codex exec w pipeline’ach CI