Observaciones completas recientes
- Cargando observaciones actuales…
Actualizaciones finalizadas
Codex Juice
Juice ya no realiza comprobaciones ni recibe actualizaciones. Las lecturas varían entre cuentas y no representan la experiencia de todos. La guía anterior se conserva como referencia histórica.
Ver la guía histórica de modelos y esfuerzo
Esta guía ya no se mantiene. El selector conserva sus reglas originales; los resultados y la información de modelos pueden estar desactualizados.
TASK → MODEL → EFFORT
Obtén una configuración inicial
Tres señales de la tarea producen un punto de partida transparente. Si falla la verificación, sigue la alternativa en vez de adivinar con valores Juice.
Referencia rápida
Son puntos de partida, no una clasificación de capacidad. La verificación difícil o la prioridad de calidad pueden elevar la configuración.
| Tarea | Empieza con | Esfuerzo |
|---|---|---|
| Rápida y fácil de comprobar | Luna | Bajo |
| Rutinaria y acotada | Terra | Medio |
| Trabajo complejo en repositorio | Sol | Alto |
| Ambigua o de alto riesgo | Astra | Muy alto |
GUÍA DE 30 SEGUNDOS
Elige en 30 segundos
Empieza por la forma de la tarea: usa menos esfuerzo si el camino y la validación son claros, y más si hay ambigüedad o alto riesgo de revisión. Esta guía combina la orientación de calidad frente a velocidad de OpenAI con resultados externos, no con valores Juice.
Cómo funciona la regla
El modelo sigue la amplitud de la tarea y el riesgo de verificación; el esfuerzo controla cuánto razonamiento invertir. El selector usa el posicionamiento de OpenAI y evidencia externa, no el tamaño de la huella Juice.
- Bajo Para trabajo rápido y de bajo riesgo cuando el camino y la validación son obvios.
- Medio Para tareas rutinarias y bien delimitadas; es un punto de partida equilibrado en trabajo conocido.
- Alto La guía original usaba High como punto de partida para trabajo complejo en repositorios. Comprueba los resultados con tu propia tarea.
- Muy alto Para tareas ambiguas, entre módulos o con alto riesgo de revisión, cuando la integridad semántica importa más que tiempo y coste.
- Máximo La instantánea histórica de NixBench incluye Max, pero solo refleja un conjunto externo de tareas y no establece una recomendación universal.
- Ultramáximo No hay evidencia pública comparable. No generes una recomendación desde su huella Juice.
Actualizaciones finalizadas
Comprobaciones de ejecución finalizadas
Ya no comprobamos los valores de Juice ni sus cambios. El método original se conserva a continuación como referencia.
no disponible
Huellas autodeclaradas actuales
| nivel | actual | anterior | cambio | verificación |
|---|---|---|---|---|
| Bajo | — | — | — | no disponible |
| Medio | — | — | — | no disponible |
| Alto | — | — | — | no disponible |
| Muy alto | — | — | — | no disponible |
| Máximo | — | — | — | no disponible |
| Ultramáximo | — | — | — | no disponible |
Cargando observaciones actuales…
Historial de cambios confirmados
- Cargando observaciones actuales…
Tendencia por nivel
Elige un nivel para revisar valores confirmados en los sweeps conservados.
Método de la sonda
Una sesión restringida y efímera de Codex CLI observa cada nivel. Un valor nuevo se publica solo tras coincidir en una segunda sesión nueva. El sweep completo se invalida si cambia el identificador del modelo.
Lo que esta métrica no demuestra
Juice es una huella de ejecución no oficial y autodeclarada, no uso real de tokens ni un benchmark de calidad. Un valor más alto, más bajo o un cambio en cualquier dirección no indica mayor o menor capacidad de programación.
OpenAI solo ofrece una guía direccional entre calidad y velocidad y señala que no todas las tareas se benefician igual de más razonamiento. Leer la guía de esfuerzo de OpenAI
Datos históricos de evaluación
Esta instantánea histórica de NixBench evalúa GPT-5.6 Sol con cinco niveles de esfuerzo en 29 tareas de programación. No es una puntuación de capacidad de Codex Juice. Los datos ya no se actualizan aquí; consulta las fuentes para ver los resultados actuales.
| nivel | media superada | intervalo 95 % | segundos/tarea | ensayos | tiempos de espera |
|---|---|---|---|---|---|
| Bajo | 23.6/29 | 22.2–25.0 | 27.4s | 5 | 0 |
| Medio | 24.0/29 | 22.5–25.5 | 38.5s | 5 | 0 |
| Alto | 23.6/29 | 22.9–24.3 | 47.4s | 5 | 0 |
| Muy alto | 24.0/29 | 23.1–24.9 | 60.7s | 5 | 0 |
| Máximo | 23.2/29 | 20.1–26.3 | 81.4s | 5 | 3 |
Límites: NixBench usa su propio arnés, corpus y evaluadores shell ocultos objetivos; estos resultados no son lecturas de Codex Juice. Aquí hay una fila pública para Max. Ultra es un modo de producto y no encontramos una fila pública comparable en esta revisión.
Instantánea estática · verificada 2026-08-03
Abrir los resultados en vivo de NixBench Leer el método de NixBench Abrir el repositorio de NixBench Comparar con el tablero en vivo de DeepSWE Leer el contexto GPT-5.6 de OpenAI