如果你是 Codex 的付费用户，这几天大概率有过同一个感觉：额度烧得明显变快了。
这不是错觉。最近一周，小红书、微博、B站上集中冒出一堆吐槽烧太快的帖子：有博主说，跑几个任务，两天就把一周的token用完了。小红书就在今天，微博上还有人吐槽，现在老感觉codex的额度有水分。微博还有人无奈，一周的额度被自己一天就用完了。微博
更微妙的是，也是今天，OpenAI 工程师宣布，Codex 里 GPT-5.6 Sol 模型的 100 万 token 上下文窗口向 ChatGPT 订阅账号开放，不再限 API 密钥。IT之家连报道自己都提醒，额度消耗会加快，建议按需开启。
所以在决定要不要升级 Pro 之前，先搞清楚额度到底被什么烧掉了。把全网这几天的讨论捋一遍，原因基本分三类，能省的程度完全不同。
第一类：被用法烧掉的——能省，而且免费
这是占比最大、也最值得先动手的一类。
① 给长任务打个"别反复叫醒模型"的补丁。这两天 X 上在流传一个补丁，针对的是一个很隐蔽的烧法：Codex 跑长时间异步任务时，会反复轮询、反复被唤醒，每次唤醒都在烧 token。打法是在全局 AGENTS.md 里追加一组规则——空的 write_stdin 轮询、wait 类等待，yield_time_ms 至少设到 180000 毫秒；外层 exec 的等待时间，要比最长的那个内层等待再多出至少 30000 毫秒。小红书博主"小尹师傅"把这个补丁拿回去实测，烧 token 的速度明显慢了下来，新会话直接生效，老会话 compact 一次后生效。小红书
丑话说在前面：这个补丁目前是单来源亲测，评论区也有不同意见——“轮询用不了多少token的”。效果因人而异，但反正免费，值得先试。
② 别让它把同样的东西重读一遍。很多人每个任务都让 Codex 重新读一遍项目说明、技术架构、测试规范，等于每次开工先烧一轮重复上下文。正确做法是把静态和动态分开：让它把长期不变的信息（项目背景、架构、编码规范、固定约束）整理成一份精简的静态上下文，后续任务优先复用；只有出现新需求、代码修改、报错和测试结果这类动态变化时才重新读取。有博主说，这个思路能省下八成重复 token。小红书帖子里的提示词可以直接抄，亲测可抄。
③ 长项目定期"存档"。项目做久了，废弃方案、重复讨论全堆在对话里，之后每继续一次都要重读一遍历史。办法是每推进到一个阶段，就让 Codex 把超长上下文压缩存档。小红书具体做法是生成一个 DEV_STATE.md：做到哪了、为什么这么做、哪些已验证、下一步是什么。下次进项目只读这一个文件接着干，把"聊天记忆"变成"项目状态文件"。
④ Sol 做判断，Luna 干执行。Codex 里两个模型的价差非常大：Luna 刚降了 80% 的价，现在 API 价格是每百万 token 输入 $0.20、输出 $1.20，按现价算比 Sol 便宜约九成六。小红书博主自己核过价，价格会变动，以官方页面为准。分工思路很直接：理解目标、拆任务、检查整合这些难判断的事留给 Sol 在主线程做；代码审查、模块分析、独立实现、测试排查这种边界明确的活，交给 Luna。注意，省不省最终看你会不会拆任务——边界含糊、反复返工，用便宜模型照样烧。
⑤ 顺手改几个习惯：任务跑偏了随时打断，别眼睁睁看它烧到底；跑任务时冒出来的临时小问题用侧边聊天问，别污染主线上下文。小红书喂文件之前先转成 Markdown 再给它读，读得少、读得快。项目级的 AGENTS.md 也值得写上工程原则——外网流传的那份，是 Vercel 工程师烧了几百亿 token 总结出来的。小红书核心就几句：用最简单的实现满足需求、先做能跑的最小版本再加功能、优先用成熟库、别为眼前问题埋将来要还的债。这些原则管的是无效迭代，属于治本。
第二类：疑似官方侧的变化——省不了，只能盯
评论区不少人怀疑额度本身被悄悄缩水了，理由很直接：以前一周能用个1亿token，现在周额度一天烧完，总量2000万。小红书但目前没人拿出实锤，官方也没有回应。而且个体差异极大：也有人晒出"昨天刚从100%干到0%，1.12亿"。这类原因你能做的很有限：把自己一周的消耗曲线记录下来，真异常就走官方渠道反馈。别在烧得最心慌的那天付钱。
第三类：这周新开的功能——用不上就关掉
就是开头说的 100 万 token 上下文，向订阅账号开放了。它适合大型代码库重构这种场景。IT之家但上下文越大，每次读取烧得越多。如果你不正好在重构大代码库，默认别开，按需再启用。
最后，要不要升级 Pro？
我的建议是：先修，再说。上面五招免费动作，尤其轮询补丁加模型分工这两条，对多数重度用户的消耗会有肉眼可见的影响。先修完、盯着自己的消耗曲线跑一周，还是不够用，再考虑升级。烧得最慌的时候怒买的 Pro，往往是最后悔的——评论区已经有现成的例子：害得我怒升 pro。小红书
三个值得继续盯的信号：官方会不会对额度规则作出回应；轮询补丁会不会被官方收进版本（真收进去，基本就坐实了这个原因）；100 万上下文的默认策略后续怎么变。
说到底，烧掉的不是 token，是模型的注意力。让它少读、读准、让便宜模型多干活——这套逻辑不只适用于 Codex，你手里的任何一个 AI Agent 工具，都值得照着查一遍。
