Codex-Sub-Agenten: Vorwurf ignorierter Modellvorgabe ist nicht bestätigt

Luna-Sub-Agenten unter Sol: Kontingent laut Forenbeitrag fast sofort aufgebraucht

Ein Nutzer im OpenAI-Community-Forum berichtet, sein Kontingent sei bei der Arbeit mit Codex fast sofort erschöpft gewesen. Als Parent-Modell habe er GPT-5.6 Sol eingesetzt, dazu mehrere Luna-Sub-Agenten. Für diese habe er Modell und Reasoning-Effort ausdrücklich in der agent.toml gesetzt. Er vermutet, die Sub-Agenten hätten diese Vorgabe ignoriert und stattdessen das Parent-Modell übernommen. Das wäre teurer als der vorgesehene Einsatz von Luna. Der Autor bittet Codex, das Modell-Routing auf seinem Rechner in einer streng schreibgeschützten Untersuchung zu prüfen.

Die Schilderung stammt vom Meldenden. Der Beitrag legt weder Verbrauchszahlen noch Logs vor. Eine Reaktion von OpenAI findet sich im Material ebenfalls nicht. Die Vermutung stützt der Autor auf eine Online-Recherche („I found that this was indeed the case“), die er nicht belegt. Ob die Sub-Agenten tatsächlich Sol statt Luna nutzten, ist damit nicht gesichert.

Issue #14671 beschreibt dasselbe Symptom schon für gpt-5.3 und Codex 0.115.0 alpha

Neu ist das Grundproblem nicht. Im GitHub-Issue #14671 meldet ein Nutzer, benutzerdefinierte Agent-Rollen verwendeten das konfigurierte Modell nicht. Seine spark.toml setzte model = "gpt-5.3-codex-spark" und model_reasoning_effort = "high". Laut Rust-Log liefen Spark- und Mini-Agent trotzdem mit dem Parent-Modell GPT-5.3 Medium. Auch Codex 0.115.0 alpha zeigte dem Nutzer zufolge dasselbe Ergebnis. Die Rollen ließen sich aufrufen, die Konfiguration wurde also offenbar erkannt. Das Modell wurde aber überschrieben.

Auch diese Darstellung stammt vom Meldenden. Maintainer haben die Beobachtung laut Material nicht bestätigt. Der sichtbare Ausschnitt der Release-Seite (0.163.0 sowie 0.164.0-alpha.1 bis alpha.8) nennt keinen Fix zur Modellvererbung. Der Ausschnitt ist jedoch abgeschnitten, ein Fix lässt sich deshalb nicht ausschließen.

Gegenberichte: Andere Nutzer sehen das konfigurierte Modell korrekt angewendet

Andere Berichte zeichnen ein anderes Bild. Ein Kommentator unter #14671 schreibt, in seinem Workflow übernehme der Subagent das vorgegebene Modell, wenn er im Ordner agents beziehungsweise agent-profile angelegt werde. Issue #40858 berichtet ebenfalls, native Subagent-Rollen wendeten model und model_reasoning_effort korrekt an. Ignoriert werde dort allerdings ein explizites model_provider-Override.

Issue #15250 liefert einen weiteren Hinweis. Laut Dokumentation erben Subagenten model und model_reasoning_effort, wenn die Felder fehlen. In Sessions mit Tool-Anbindung lasse sich eine benannte Custom-Agent-Rolle nicht per spawn_agent aufrufen. Möglich sei nur ein generischer agent_type mit expliziten Overrides.

Offen bleibt, worauf die Unterschiede beruhen. Denkbar sind Version, Ort und Format der Konfiguration oder der Startweg der Subagenten. Die Quellen vergleichen diese Punkte nicht direkt.

Was die Dokumentation zusichert und wie Betroffene nachprüfen

Nach Dokumentationsspiegeln auf codexcn.net und docs.arantic.com sind Custom Agents mit eigener Modellkonfiguration vorgesehen. Diese Spiegel sind keine offiziellen Domains. Subagenten startet Codex laut diesen Quellen nur auf ausdrückliche Anfrage. Sie verbrauchen mehr Tokens als vergleichbare Single-Agent-Läufe.

Wer Custom-Agents mit einem günstigeren Modell neben einem teureren Parent betreibt, vor allem mit ChatGPT-Plan, kann die tatsächlich genutzten Modelle prüfen. Die Session-Logs unter ~/.codex/sessions/ enthalten JSONL-Dateien. Laut dem Blog blog.lai.so dokumentieren sie die gestarteten Agenten. Klärung und Fix liegen bei OpenAI.