Miglior modello GPT-5.6 per Codex

Il miglior modello GPT-5.6 per Codex dipende dall'incertezza del compito, dal costo di un errore e dal metodo di accettazione, non dal nome più grande. Scegli GPT-5.6 Sol per cause ambigue ed errori costosi, GPT-5.6 Terra per feature, bug e test ben definiti e GPT-5.6 Luna per lavoro ripetibile con input e definizione di completamento oggettivi.

Se non sei sicuro e la qualità conta più della latenza o del costo dei token, crea prima una baseline con Sol su un'attività rappresentativa. Non lasciare ogni attività su Sol per abitudine. Scendi al modello e al reasoning effort meno costosi che continuano a superare lo stesso test di accettazione del repository.

Se Luna sembra il tier adatto, il confronto Claude Haiku 4.5 vs GPT-5.6 Luna aggiunge tariffe dirette low-cost, regole di cache e un test di accettazione riproducibile.

Sol, Terra e Luna in sintesi

La regola breve è: Sol per profondità, Terra per il lavoro quotidiano, Luna per throughput. Sono ruoli legati al compito, non etichette di qualità valide per ogni prompt.

Codex è l'agente, GPT-5.6 è la famiglia di modelli

Codex raccoglie il contesto del repository, chiama strumenti, applica patch, chiede approvazioni ed esegue check. Sol, Terra e Luna sono modelli che possono alimentare le surface Codex applicabili. Non confondere questa scelta con il confronto di prodotto Claude Code vs Codex.

L'harness modifica il risultato. Un run con AGENTS.md, shell, sandbox scrivibile e test deterministico non è equivalente a un run che riceve solo un frammento incollato. Confronta i modelli nello stesso client Codex e con lo stesso profilo di permessi.

OpenAI documenta gpt-5.6 come alias di gpt-5.6-sol. Per valutazioni e automazioni usa gli ID precisi:

gpt-5.6-sol
gpt-5.6-terra
gpt-5.6-luna

Specifiche e prezzi API diretti OpenAI

I valori sono prezzi standard dell'API diretta OpenAI in USD per milione di token a contesto breve. Non sono prezzi OmniaKey. Prima di definire un budget di produzione, controlla le tre pagine modello e il catalogo modelli live per disponibilità e prezzo OmniaKey attuali.

Tutti e tre i modelli elencano input di testo e immagini, output testuale, streaming, structured outputs, function calling, prompt caching e Responses API. Strumenti nativi del provider o funzionalità ChatGPT non appaiono automaticamente in ogni custom provider, client o gateway. Verifica la route esatta.

Oltre 272K token di input, la regola OpenAI attuale applica all'intera richiesta il doppio del prezzo di input breve e 1,5 volte il prezzo di output. I cache write costano 1,25 volte l'input non in cache. Avere una finestra da 1,05M non significa che riempirla sia sempre utile o economico.

Scegli Sol per lavoro difficile e aperto

Sol è il primo candidato forte quando il modello deve scoprire il percorso invece di seguire una procedura nota. Parti da Sol quando:

• la causa radice attraversa servizi, code, database o confini di autorizzazione;
• i requisiti sono in conflitto o mancano vincoli importanti;
• una migrazione tocca billing, autenticazione, sicurezza o dati duraturi;
• i test sono deboli e servono prove prima di modificare;
• la qualità della review conta più della velocità di risposta;
• una risposta plausibile ma errata sarebbe costosa da annullare.

OpenAI posiziona Sol per lavoro complesso, aperto e di alto valore che richiede analisi, giudizio o rifinitura aggiuntivi. Se Codex cloud è un requisito rigido, Sol è il tier GPT-5.6 indicato come supportato nella tabella ufficiale attuale.

Un repository grande non richiede Sol da solo. Una modifica ben delimitata in un grande monorepo può essere un lavoro Terra, mentre un bug di autorizzazione di dieci righe in un piccolo servizio può giustificare Sol.

Scegli Terra per lo sviluppo quotidiano

Quando il compito è compreso, Terra è il default pragmatico. Parti da Terra per:

• implementare feature con criteri di accettazione chiari;
• correggere bug riproducibili con test mirati;
• scrivere o aggiornare test unitari e di integrazione;
• fare refactor su call site noti;
• revisionare una pull request ordinaria;
• mantenere tipi, configurazione e documentazione insieme al codice.

Nel contesto breve diretto, l'input di Terra costa la metà di Sol e il suo output il 60%. Per team che eseguono molte attività ordinarie, la differenza è già una buona ragione per provare prima Terra.

Fai escalation da Terra quando ripete lo stesso approccio fallito, perde un vincolo tra sistemi, non spiega la causa radice o produce una patch che supera solo test stretti. L'escalation deve dipendere dalle prove, non dal numero di file nel diff.

Per confrontare Terra con il tier quotidiano Claude, invece che con Sol, usa Claude Sonnet 5 vs GPT-5.6 Terra.

Scegli Luna per lavoro chiaro e ripetibile

Luna è il tier veloce e sensibile al costo. È adatto quando input e definition of done sono precisi:

• classificare issue o instradare ticket con schema fisso;
• estrarre campi da log, report o file sorgente;
• trasformare configurazione o documentazione ripetitiva;
• fare modifiche meccaniche isolate con test deterministici;
• riassumere risultati di ricerca limitati per un'attività superiore;
• eseguire controlli ad alto volume con falsi positivi e omissioni misurati.

Luna non è il default per architettura ambigua, security review sottile o incidente di produzione non spiegato. Più run economici falliti seguiti da Terra o Sol possono costare più della partenza dal tier corretto.

Fornisci a Luna input espliciti, schema di output, condizioni di arresto e acceptance check deterministico. Le attività reversibili e facili da verificare trasformano meglio il vantaggio di prezzo in risparmio reale.

Costo di un'attività rappresentativa

Considera un run senza cache con 100,000 token input e 20,000 token output. Rimane sotto la soglia di 272K per il contesto lungo.

Questo calcolo non è un benchmark di attività completata. Esclude cache write, costi degli strumenti, retry, uso variabile del reasoning e tempo umano di correzione. L'unità utile è:

costo attività completata = run riuscito
                            + tentativi falliti
                            + retry e costi strumenti
                            + tempo di correzione umana

Luna vince solo quando produce ancora un risultato accettato. Sol può costare meno su un compito difficile se evita più tentativi falliti di tier inferiori.

Regola l'effort prima di cambiare tutto

Tier del modello e reasoning effort sono controlli separati. Parti dall'effort più basso che produce il risultato necessario e aumentalo solo quando servono più pianificazione, analisi o verifica.

1. Esegui un'attività nota con impostazione normale o medium.
2. Se la direzione è giusta ma l'indagine è superficiale, aumenta l'effort sullo stesso modello.
3. Se il modello non risolve il problema o perde il giudizio necessario, sali di tier.
4. Se passa con margine, ripeti con effort inferiore o tier meno costoso.
5. Cambia una sola variabile alla volta per mantenere interpretabile il confronto.

Non assumere che Luna ad alto effort equivalga a Sol o Sol a basso effort equivalga a Terra. Misura risultato accettato, latenza, token e tempo di correzione per configurazione.

Codex locale e Codex cloud sono surface diverse

OpenAI elenca tutti e tre i modelli GPT-5.6 per Codex CLI ed estensione IDE. Sol è elencato anche per Codex cloud; Terra e Luna no. La disponibilità dipende comunque da rollout, metodo di accesso e client.

Con billing tramite API key, l'uso segue le tariffe API, non i crediti inclusi nel piano ChatGPT. Un custom provider compatibile con Responses può esporre modelli supportati al Codex locale, ma non sblocca funzioni esclusive di ChatGPT o cloud.

Per il setup supportato usa la guida OmniaKey Codex CLI (in inglese). Se il modello appare ma stream o tool call falliscono, usa il kit di compatibilità GPT-5.6. Questa pagina tratta la scelta del modello; il kit tratta setup e troubleshooting.

Policy di routing pratica

Salva con il risultato model ID, effort, classe del compito e comando di accettazione. Senza questi campi non puoi attribuire una futura regressione a modello, prompt, harness o repository.

Cambiare modello in Codex

In una sessione interattiva di Codex CLI usa /model. Per un nuovo run CLI passa il modello esatto:

codex --model gpt-5.6-sol
codex --model gpt-5.6-terra
codex --model gpt-5.6-luna

Lo stesso selettore funziona in modalità non interattiva:

codex exec -m gpt-5.6-terra "Esegui i check del repository e spiega ogni errore"

Questi comandi selezionano un modello; non configurano autenticazione o provider. Completa prima il setup supportato. Usa ID esatti per attività salvate e valutazioni; usa l'alias gpt-5.6 solo se accetti un default di famiglia mobile.

Valuta su modifiche accettate

Crea un piccolo task set dal lavoro reale del team:

1. Un'implementazione ordinaria con test deterministici.
2. Un bug riproducibile la cui causa attraversa almeno due moduli.
3. Una trasformazione meccanica su molti file.
4. Un'attività di review con defect noti inseriti.
5. Una decisione di architettura o migrazione rischiosa.

Esegui ogni compito dallo stesso commit, con le stesse istruzioni, strumenti, autorizzazioni e check. Ripeti i run perché i risultati degli agenti variano. Registra pass rate, tempo trascorso, token input e output, tool call, retry e minuti di correzione umana.

Promuovi Terra o Luna solo nelle classi in cui producono lo stesso risultato accettato di Sol. Mantieni Sol dove il giudizio aggiuntivo cambia l'esito. Otterrai una policy basata sul tuo repository, non su un leaderboard generico.

Per la decisione più ampia sul provider, consulta la guida alle famiglie di modelli per coding.

Verdetto finale

Per un'attività Codex sconosciuta, difficile, aperta o che richiede cloud, GPT-5.6 Sol è il miglior punto di partenza. Per il lavoro software quotidiano e ben definito, GPT-5.6 Terra è il miglior default. Per attività veloci, ripetibili e verificabili oggettivamente, GPT-5.6 Luna è la scelta più adatta.

Parti da rischio e ambiguità del compito, non dal nome del modello più grande. Poi usa i tuoi dati di accettazione per spostare il lavoro ripetuto al tier affidabile più economico e all'effort minimo.

Domande frequenti

Qual è il miglior GPT-5.6 per Codex?

Scegli Sol per lavoro sconosciuto o complesso e aperto, Terra per feature, debugging, test e refactor quotidiani, Luna per lavoro chiaro, ripetibile, ad alto volume e con check oggettivi.

Codex usa GPT-5.6 Sol per impostazione predefinita?

L'alias API gpt-5.6 punta a Sol. Il picker Codex e il Power predefinito variano però per account, piano, login, client e rollout. Se la riproducibilità conta, seleziona esplicitamente gpt-5.6-sol.

Terra offre più valore di Sol nel coding?

Nel coding quotidiano ben specificato, Terra è spesso il punto di partenza migliore grazie alla tariffa API diretta inferiore. Se un giudizio più profondo evita fallimenti, debito di review o una costosa implementazione errata, Sol può offrire più valore.

Quale GPT-5.6 costa meno?

Al 10 settembre 2026, Luna: $0.20 input, $0.02 cache input e $1.20 output per milione di token a contesto breve.

I tre modelli hanno lo stesso contesto?

Sì. Tutti elencano 1,050,000 token di contesto, 922,000 input massimo e 128,000 output massimo. Stessa capacità non significa stessa profondità di reasoning, velocità o affidabilità.

Tutti e tre funzionano in Codex cloud?

Nella tabella ufficiale attuale Sol è elencato per Codex cloud; Terra e Luna sono elencati per CLI locale ed estensione IDE. Verifica nuovamente la disponibilità del tuo account prima di standardizzare un flusso.

Fonti primarie

• OpenAI: modelli Codex e selezione (in inglese)
• OpenAI: GPT-5.6 Sol (in inglese)
• OpenAI: GPT-5.6 Terra (in inglese)
• OpenAI: GPT-5.6 Luna (in inglese)
• OpenAI: prezzi API (in inglese)
• OpenAI: model guidance GPT-5.6 (in inglese)
• OpenAI: autenticazione Codex (in inglese)

Fatti e calcoli sono stati verificati il 10 settembre 2026. Non sono stati eseguiti un benchmark indipendente sui tre modelli, un test di velocità o un test di affidabilità in produzione. Prima del deploy ricontrolla model ID, prezzi e disponibilità del client nelle OpenAI Docs ufficiali e nel catalogo live.