terra是codex中日常开发的黄金平衡点，响应快、成本低、能力够用；luna适合批量清洗等简单任务；sol专攻跨文件重构、git历史分析等复杂场景。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
在 Codex 里追求更高性价比，不是选最贵的模型，而是让模型能力刚好覆盖任务需求——多一分算力是浪费，少一分结果可能翻车。当前 GPT-5.6 系列中，Terra 是绝大多数开发者日常使用的最优解，它不靠堆参数取胜，而是在响应速度、推理深度和额度消耗之间卡准了那个“够用且省”的临界点。
优先选 Terra：日常开发的黄金平衡点
第一步：打开 Codex CLI 或桌面客户端，新建一个对话 → 输入 /model 命令 → 在弹出列表中找到并选择 gpt-5.6-terra。
这一步操作起来很简单，直接把文件拖进去就行。Terra 能稳定处理函数级重构、单元测试生成、配置文件编写、中等复杂度的 Bug 定位，同时单次任务消耗比 Sol 低约 35%～40%，响应延迟却只多 0.8～1.2 秒。
注意：如果你用的是 Free 或 Go 计划，Terra 就是默认模型，无需手动切换；Plus 及以上用户则需主动选中，否则系统可能回退到 Sol。
什么情况下该换 Luna？
方法一：批量文本清洗或变量名替换类任务
比如你要把 200 行日志里的 user_id 全部替换成 uid，或者从 CSV 中批量提取邮箱字段。这类任务边界清晰、无歧义、不需要上下文推理——【Luna 能在 0.3 秒内完成，Sol 却要花 2.7 秒+15% 额度】。
方法二：CI/CD 流水线中的自动修复脚本
在 GitHub Actions 或 Jenkins 里调用 Codex CLI 执行 lint 自动修复时，直接加参数：codex --model gpt-5.6-luna --prompt "fix eslint errors"。Luna 的 token 成本仅为 Terra 的 1/3，且不会因推理强度波动导致超时失败。
什么时候必须上 Sol？
① 你正在做跨 8 个以上文件的模块重构，且涉及状态管理迁移（如 Redux → Zustand）
② 需要分析整个 Git commit history 来定位某次性能退化根源
③ 输出必须一次性通过安全扫描（如 Semgrep + Bandit 双校验），不能靠人工反复微调
这三类场景下，Terra 可能给出语义正确但实现路径存在隐式竞态的代码；Luna 会直接漏掉关键依赖；只有 Sol 能在完整上下文里建模数据流与副作用边界。此时多花的额度，换来的是返工成本归零。
