Ajustar el esfuerzo de razonamiento en Codex CLI con model_reasoning_effort
La herramienta de OpenAI permite graduar el 'thinking' del modelo desde la linea de comandos, con perfiles para tareas complejas y valores en la config para automatizarlo.
OpenAI ha documentado como controlar el nivel de razonamiento interno en su herramienta de linea de comandos, Codex CLI. El parametro se llama model_reasoning_effort y actua como el equivalente al "extended thinking" de Claude Code, permitiendo al desarrollador decidir cuanto "piensa" el modelo antes de generar codigo. Esto es clave para equilibrar velocidad y calidad en flujos de trabajo de ingenieria, evitando que el modelo sobreanalice un cambio trivial o que sea demasiado superficial en un refactoring complejo.
El sistema define cinco niveles de esfuerzo: minimal, low, medium, high y xhigh. La documentacion no fija un valor por defecto unico, indicando que puede depender del modelo subyacente. Para tareas rapidas como formateo o respuestas de una linea, minimal es lo adecuado. Para correcciones de bugs sencillas o refactorizaciones basicas, se recomienda low. El nivel medium se situa como el punto de equilibrio para el trabajo diario de desarrollo de caracteristicas. Cuando se trata de cambios de diseno que afectan a multiples archivos o bugs sin causa obvia, el nivel high ayuda a que el modelo analice las relaciones entre archivos. Finalmente, xhigh esta reservado para algoritmos complejos o revisiones de grandes volumenes de codigo donde el coste de un error es alto.
Configuracion y uso practico
Hay cuatro formas de aplicar este parametro. La permanente se logra editando el archivo ~/.codex/config.toml con la linea model_reasoning_effort = "high". Si el ajuste debe ser solo para un proyecto concreto, el mismo archivo dentro de .codex/config.toml en el repositorio tiene prioridad sobre la configuracion global del usuario.
Para cambios puntuales sin tocar archivos, la bandera -c permite pasar la configuracion en la llamada: codex -c 'model_reasoning_effort = "high"' "mi prompt". Dentro de una sesion interactiva, se puede cambiar el nivel sobre la marcha con el comando /model, lo cual es util para subir la intensidad antes de una investigacion dificil y bajarla despues. Para casos de uso recurrentes, como revisiones de codigo profundas, se pueden crear perfiles en ~/.codex/<nombre>.config.toml y seleccionarlos con --profile.
Ademas del parametro general, existen claves especificas. plan_mode_reasoning_effort ajusta el esfuerzo solo durante la fase de planificacion, mientras que agents.default_subagent_reasoning_effort controla el nivel para los subagentes lanzados por el sistema principal. Esto permite escenarios donde se quiere un planificado detallado (high) pero una implementacion rapida (medium). Si un cambio no parece tener efecto, hay que verificar que el modelo actual soporte la funcion de razonamiento ajustable; si /model no muestra opciones de esfuerzo, el modelo no lo expone. A mayor nivel de razonamiento, mayor consumo de tokens y tiempo de respuesta.
