Dynamic GPT-6 Reasoning Effort in Codex via Jev
这是 vechen 公开的项目资料。本站按原始来源展示项目信息，用中文说明适用场景和阅读边界；项目名、源帖与代码保持原样，便于逐项核对。
这条案例记录了什么
场景
编码 Agent、Agent 与模型路由
对模型选择、片段可见度或工具风险提供有界判断。
证据
社区公开项目或作者演示
原始来源：Original post on X by @miu21590。作者自述，本站未独立复现。
时间与作者
vechen
记录日期：2026-09-21。日期与身份应以原始资料为准。
原始演示视频
视频来自此案例记录的原始媒体；播放内容和作者声明不等于本站复现。
怎样核对这个项目
- 先打开原始来源，确认作者、日期与 Jev 在项目中的具体用途。
- 如果提供仓库，再检查代码、运行要求和许可证；仓库存在不代表本站已经运行成功。
- 对速度、成本、准确率和规模数字，查看原文的任务、环境和计算口径。
- 仓库状态和测试是否完整。
- 敏感命令的程序门禁。
- 完整任务的费用与结果。
- 路由候选是否完整。
原始文字与技术细节
以下内容保留原语言，供核对事实。中文页的场景说明是阅读提示，不是逐句翻译或实测结论。
展开英文项目摘要与原帖
项目摘要
vechen 在 Codex 任务执行中途用 Jev 动态切换 GPT-6 的推理强度，遇到瓶颈时增强、常规步骤时降低，作者报告节省 50% Astra 成本。
来源原文
People use Jev to pick a model before a task. I made it change GPT-6's reasoning effort inside Codex DURING the task. More thinking when stuck. Less for routine steps. 50% lower Astra costs in my tests. Faster runs, without breaking prompt caching.
原记录的限制
- Implementation code is not publicly released; this is a community demonstration post.
- 50% cost reduction is author-reported from personal tests and may vary by task type.
- GPT-6 reasoning effort API availability may depend on Codex access tier.