Codex 与 GPT-5.6 Sol Ultra：编码 Agent 与多 Sub-agent 协作指南

2026 年中，OpenAI 将 GPT-5.6 系列与 Codex 深度绑定后，开发者讨论的重点不再只是「哪个模型更会写代码」，而是：单 Agent 串行推理 和 多 Sub-agent 并行协作 分别适合什么任务。GPT-5.6 Sol 的 Ultra 模式，正是后一条路径的代表。

本文先说明 Codex 是什么，再聚焦 Sol 的 Ultra 模式，以及它如何自动拆分并调度 Sub-agent。

一、Codex 是什么

Codex 是 OpenAI 面向开发者的 Agent 式编码工具，而不是单纯的补全插件。它运行在终端与工作区上下文中，能读写文件、执行命令、迭代调试，并围绕「一个目标」推进多步工程任务。

在 GPT-5.6 接入后，Codex 可按任务选择：

• Sol：旗舰，偏复杂、开放、高价值工作
• Terra：均衡，日常实现与中等难度多步任务
• Luna：更快、更省，适合边界清晰、高吞吐的实现类工作

你还可以调节 reasoning effort（含更深的 max 档）。多数日常任务用 Sol Medium / High 或 Terra 即可；真正难、模糊、需要多线推进的任务，才会用到 Sol 的 Ultra。

Codex 的价值在于把「写代码」扩展成「在仓库里完成目标」：规划、改代码、跑测试、查日志、开 PR 等，都可以在同一条 Agent 工作流里完成。

二、GPT-5.6 Sol：旗舰与两种「加力」方式

GPT-5.6 是一代模型族，Sol / Terra / Luna 是不同能力与成本档位。Sol 是旗舰，在编码 Agent、命令行工作流等评测上表现突出。

官方引入了两种把能力往上推的方式，不要混为一谈：

max reasoning effort
仍是单个 Agent，但给更长、更深的推理预算，适合需要仔细推敲、不宜轻易并行拆开的问题。

Ultra mode
不是又一个独立模型，而是挂在 Sol 上的 编排模式：在更大推理预算之外，主动把复杂任务拆给多个 Sub-agent 并行推进，再汇总结果。Terra、Luna 一般不提供同等的 Ultra 能力。

公开的 Terminal-Bench 2.1（偏命令行规划、迭代与工具协作）数字常被引用为：Sol 单 Agent（max）约 88.8%，Sol Ultra 约 91.9%。需要注意：91.9% 是多 Agent 配置下的结果，和单模型分数不可直接等同比较。

三、Ultra 模式详解：从「一个人干」到「一组人并行」

在普通模式下，Codex + Sol 更像一个资深工程师：一步步读代码、改文件、跑命令、根据反馈继续。

打开 Ultra 后，行为会明显不同：

官方演示与工程侧说明都强调：Ultra 适合「一个大目标、多条可并行车道」的工作，而不是每一句聊天都开满配。

四、Ultra 下的 Sub-agent：实际在干什么

可以把 Ultra 里的 Sub-agent 理解成 同一目标下的并行工人，而不是多个互不相干的会话。

典型分工示例：

• 一条线专攻后端接口与鉴权
• 一条线改前端调用与状态
• 一条线补测试与文档
• 或在大型仓库中按模块并行做安全扫描 / 依赖分析

对规划类任务，也常有人用 Ultra：从 Slack 讨论、Issue、PR、文档和 git 历史里拉齐上下文，产出实现计划，再把具体实现交给 Sol Medium/High、Terra 或 Luna，以控制成本。

Sub-agent 通常会继承当前对话与仓库上下文，并使用与父级相近的模型与 effort 设定。这意味着 并行度上去之后，Token 消耗会明显加快——官方也提醒 Ultra 会更快吃掉额度，应留给真正值得加深度的任务。

社区也有讨论：部分环境下 Sub-agent 继承高 effort 可能导致配额消耗过猛，使用前建议在小范围任务上先观察用量，并设好边界（改哪些目录、是否允许提交、完成标准是什么）。

五、什么时候用 Ultra，什么时候别用

更适合 Ultra 的情况

• 大范围重构、跨前后端的特性落地
• 需要同时调研多模块、多数据源的规划
• 长时程工程目标（Goal），希望「多线推进 + 统一收口」
• 任务天然可拆，合并成本低于串行等待成本

不太适合的情况

• 单文件小改、简单问答、一次就能说清的实现
• 强依赖严格串行顺序、拆开反而容易冲突的流程
• 额度紧张、需要可预期账单的日常流水线

一个务实策略是：规划用 Ultra（或高 effort Sol），实现用中档 Sol/Terra，收尾与批量用 Luna，按阶段换档，而不是全程 Ultra。

六、和 API / 多模型工作流的关系

Codex 强在「在本地仓库里把事做完」；若你还要把同一套能力接进 CI、内部工具或自建 Agent，通常会走到 API 与网关层。此时模型选择（Sol/Terra/Luna）、effort、是否启用类 Ultra 的多 Agent 编排，都会直接影响稳定性与成本。

若团队同时使用 Codex、Claude、GLM 等，又希望按模型族隔离权限与账单，可以采用分组式 API 管理。例如 DDShub 的 Model Group：先选模型分组，再创建该分组的 API Key，Key 仅能访问对应模型范围，便于把「编码主路径」和「备用模型」分开，而不是所有流量挤在同一把钥匙上。

官网：https://www.ddshub.cc · 文档：https://www.ddshub.cc/docs

总结

Codex 是 OpenAI 的 Agent 式编码环境；GPT-5.6 Sol 是其旗舰引擎。max 加深单 Agent 思考，Ultra 则在此基础上用 Sub-agent 并行拆分与协同，把一个大目标拆成多条可同时推进的车道，再汇总结果。

Ultra 能抬高复杂命令行与长时程任务的上限，也会显著加快 Token 消耗。把它用在真正需要多线协作的规划与大型工程上，日常实现留给中档模型，通常比「全程开满」更可持续。

对开发者而言，关键不是追一个模式名称，而是：任务能不能拆、拆完会不会乱、额度是否扛得住。想清楚这三点，再决定是否打开 Sol Ultra。