最近完整观测
- 正在加载当前观测…
已停止更新
Codex Juice
Juice 已停止检查和更新。账户之间的表现各不相同，单个账户的观测值无法代表其他用户的体验。原有指南保留在下方，仅供历史参考。
查看历史模型与推理强度指南
本指南不再维护。选择器保留当时的规则，推荐结果和模型信息可能已过时。
TASK → MODEL → EFFORT
获取起始配置
三个任务信号生成一套透明的起始建议。若验证失败，按回退规则调整，不要根据 Juice 数值猜测。
快速参考
这些是起点，不是能力排名。验证难度或质量优先会把配置上调。
| 任务 | 建议模型 | 强度 |
|---|---|---|
| 快速且容易检查 | Luna | 低 |
| 常规且范围明确 | Terra | 中 |
| 复杂仓库工作 | Sol | 高 |
| 模糊或高风险 | Astra | 超高 |
30 秒指南
30 秒完成选择
先看任务形态：路径和验收明确时少用推理，需求模糊或审查风险高时增加推理。以下建议结合 OpenAI 的质量—速度方向与外部任务结果，不来自 Juice 数字。
规则如何工作
先依据任务范围和验证风险选择模型，再用强度控制推理投入。选择器采用 OpenAI 的模型定位和外部强度证据，不使用 Juice 指纹大小。
- 低 用于路径与验收都很明确的快速、低风险任务。
- 中 用于常规、范围清楚的任务；面对熟悉工作时可作为平衡起点。
- 高 原指南将 High 作为较复杂仓库任务的起点，仍需结合自己的任务验证结果。
- 超高 用于模糊、跨模块或高审查风险任务，适合语义完整性比时间和成本更重要的场景。
- 最大 历史 NixBench 快照包含 Max，但只反映一组外部任务，不能作为通用推荐。
- 极致 暂无可比公开证据。禁止从它的 Juice 指纹生成建议。
已停止更新
运行观测已停止检查
本页不再检查 Juice 数值及其变化。下方仅保留原有采集方法，供历史查阅。
不可用
当前自报告指纹
| 强度 | 当前 | 之前 | 变化 | 验证状态 |
|---|---|---|---|---|
| 低 | — | — | — | 不可用 |
| 中 | — | — | — | 不可用 |
| 高 | — | — | — | 不可用 |
| 超高 | — | — | — | 不可用 |
| 最大 | — | — | — | 不可用 |
| 极致 | — | — | — | 不可用 |
正在加载当前观测…
已确认变化历史
- 正在加载当前观测…
强度趋势
选择一个推理强度，查看保留 sweep 中的已确认数值。
探针方法
受限的临时 Codex CLI 会话逐个观测推理强度。新数值只有在全新会话的第二次观测一致后才发布。完整 sweep 中途模型标识变化时，整轮作废。
这个指标不能证明什么
Juice 是非官方自报告运行时指纹，不是实际推理 token 用量，也不是质量基准。数值更高、更低或任何方向的变化，都不能解释为编程能力变强或变弱。
OpenAI 只提供推理强度在质量与速度之间的方向性说明，并明确表示并非所有任务都同样受益于更多推理。 阅读 OpenAI 推理强度说明
历史基准数据
这里保留 NixBench 对 GPT-5.6 Sol 的历史测试快照，涵盖五档推理强度和 29 项编程任务。这不是 Codex Juice 能力分数。本页不再刷新数据，最新结果请查阅原始来源。
| 强度 | 平均通过 | 95% 区间 | 秒/任务 | 试验 | 超时 |
|---|---|---|---|---|---|
| 低 | 23.6/29 | 22.2–25.0 | 27.4s | 5 | 0 |
| 中 | 24.0/29 | 22.5–25.5 | 38.5s | 5 | 0 |
| 高 | 23.6/29 | 22.9–24.3 | 47.4s | 5 | 0 |
| 超高 | 24.0/29 | 23.1–24.9 | 60.7s | 5 | 0 |
| 最大 | 23.2/29 | 20.1–26.3 | 81.4s | 5 | 3 |
局限：NixBench 使用自己的工具、任务集和客观隐藏 shell 评估器；这些结果不是 Codex Juice 观测。这里有 Max 的公开行，但 Ultra 是产品模式，本次没有找到可比的公开性能行。
静态快照 · 2026-08-03 核验
打开实时 NixBench 结果 阅读 NixBench 方法 打开 NixBench 仓库 对照 DeepSWE 实时榜单 阅读 OpenAI GPT-5.6 背景