Codex Ultra 真的比較強嗎？我的實測結論：大多數時候 High 就夠了
Copyright Notice: This article is an original work licensed under the CC 4.0 BY-NC-ND license.
If you wish to repost this article, please include the original source link and this copyright notice.
Source link: https://v2know.com/article/1350
最近我連續測試了 Codex 的不同 reasoning 等級，尤其是 Very High（xhigh）、Max 與 Ultra。
原本我的直覺很簡單：
等級越高 = 越聰明 = 越適合複雜開發。
但實際使用之後，我的結論幾乎完全相反。
Ultra：名字很猛，實際體驗很差
我刻意拿 Ultra 測了三種任務：
-
很簡單的任務
-
中等複雜度任務
-
非常複雜的任務
結果三次都不理想，而且都有一個共同問題：
非常慢。
最讓我困惑的是，即使是複雜任務，Ultra 也沒有呈現出「花更多時間，所以結果明顯更好」的感覺。
後來才理解，Ultra 並不是單純的：
Max 再加強版
它更接近：
讓 Codex 使用多個 subagent 拆分任務的模式。
問題就在這裡。
如果任務不是天然可以平行拆成多個獨立部分，例如：
-
Agent A 分析 Backend
-
Agent B 分析 Frontend
-
Agent C 分析測試
-
Agent D 分析 Security
那麼多 Agent 帶來的可能不是效率，而是：
拆解成本 + 重複分析 + 協調成本 + 最後整合成本。
尤其像 Power Apps、MCP、GUI 操作、RDL 修改這種大量步驟彼此依賴的工作，本質上是串行任務。
Ultra 在這種場合甚至可能比普通模式更慢。
所以至少對我的工作來說：
Ultra 不如叫 Parallel Mode，比叫 Ultra 準確得多。
至於我的主觀名稱？
Trash。
Max 也沒有想像中神
Max 的情況稍微好一點。
它確實會花更多時間思考、檢查、探索問題。
但我實際使用之後最大的感覺是：
Max 和 Very High 的品質差距，遠遠沒有時間差距那麼大。
很多任務上，Very High 已經可以得到很好的結果。
升到 Max 之後，經常看到 Codex：
-
讀更多東西
-
重新檢查
-
思考更多可能性
-
驗證更多次
但最終產出的東西，未必比 Very High 明顯更好。
這也是為什麼我現在完全不把：
Medium → High → Very High → Max → Ultra
理解成單純的「智商排行榜」。
它比較像：
你願意給模型多少推理預算，以及用什麼方式處理任務。
那到底什麼叫「高 Reasoning」？
這也是我之前最大的誤區。
我以前會覺得：
程式很多、檔案很多、功能很多 = 需要高 reasoning。
其實不是。
例如：
-
讀 20 個 VBA Module
-
讀 3 張 Dataverse Table
-
處理 400 個欄位
-
修改很多 Excel Sheet
-
用 pac CLI 操作 Power Platform
-
根據明確要求修改 RDL
這些工作可能非常耗時。
但它們更多是：
Context-heavy + Execution-heavy
而不是：
Reasoning-heavy。
真正吃 reasoning 的問題是：
「答案不能直接讀出來，而是必須自己推導。」
例如：
-
三段 VBA 邏輯互相矛盾，真正的業務規則是什麼？
-
舊 Access 架構無法直接搬到 Power Apps，應該重新怎麼設計？
-
需求只有業務描述，沒有詳細設計，整套架構應該怎麼做？
-
一個 Bug 有五種可能原因，需要逐一排除。
-
400 個欄位到底應該如何重新分組成合理的帳票？
這才是真的 reasoning-heavy。
我現在怎麼選 Codex 等級？
經過這段時間實測，我自己的使用方式已經變成：
Medium
需求非常明確、偏機械操作。
High
我的日常主力。需要理解專案、跨檔案修改、操作工具、做一定程度的判斷與驗證。
Very High / xhigh
需求不完整，需要 Codex 自己做比較多設計與推導時使用。
Max
Very High 已經處理不好，而且問題確定出在「推理」而不是工具時才考慮。
Ultra
只有任務真的可以拆成多個互不依賴的子任務時才考慮。
換句話說：
大多數軟體開發工作，我現在直接用 High。
一個很好用的判斷方法
我現在會用這句話判斷：
你替 Codex 決定得越多，reasoning 越可以降低。
你要求 Codex 自己決定得越多，reasoning 才越值得提高。
例如：
「按照這份詳細設計實作 WinForms。」
High 通常就夠。
但如果是：
「我只有業務需求，你自己決定 DB、Architecture、UI、Validation、Transaction、Error Handling。」
這才開始適合 xhigh。
所以「從零寫程式」也不代表一定要 xhigh。
如果規格夠清楚，High 依然很好用。
結論：不要迷信最高檔
我現在最大的心得就是：
Reasoning 等級不是 RPG 的裝備稀有度。
Max 不一定比 Very High 實用。
Ultra 更不是 Max 的究極進化版。
很多時候，提高 reasoning 只是讓模型：
想得更多、檢查得更多、花得更久。
但「更多」不等於「更好」。
至少按照我目前對 Codex 的實測：
High 是最實用的日常檔位。
xhigh 是特殊情況。
Max 是備用武器。
Ultra 是非常挑任務結構的特殊模式。
所以如果你也發現 Codex 開到最高檔之後，工作時間暴增，結果卻沒有明顯改善——
問題可能不是你的 Prompt。
你可能只是把 Reasoning 開得太高了。
This article was last edited at