> ## Documentation Index
> Fetch the complete documentation index at: https://docs.llmeasy.ru/llms.txt
> Use this file to discover all available pages before exploring further.

# Codex CLI 中 review_model 和 reasoning_effort 是什么？

> 解释 Codex CLI 中 review_model、model_reasoning_effort、/review、/model 与成本和质量的关系。

## 简短答案

`review_model` 是 Codex 在代码审查场景中使用的模型。`model_reasoning_effort` 控制支持 Responses API 的模型使用多少推理强度。

这两个字段会影响质量、速度和用量成本。一般来说，更强的推理设置更适合复杂任务，但也可能带来更高消耗。

## 字段关系

| 字段                       | 作用                    |
| ------------------------ | --------------------- |
| `model`                  | 日常任务默认模型              |
| `review_model`           | `/review` 等审查场景使用的模型  |
| `model_reasoning_effort` | 主模型的推理强度设置            |
| `/model`                 | 会话中切换模型或推理设置的入口       |
| `/review`                | 让 Codex 对当前改动做代码审查的入口 |

## 推荐配置

```toml theme={null}
model = "gpt-5.5"
review_model = "gpt-5.4"
model_reasoning_effort = "high"
```

如果你的任务更偏快速小修，可以降低推理强度。如果任务涉及跨文件重构、复杂排障或长上下文，较高推理强度更合适。

## 常见误区

* 以为 `review_model` 会替代所有任务的主模型。
* 把 reasoning effort 当成温度参数。
* 使用不被当前 provider 支持的模型 ID。
* 为所有任务都设置最高推理强度。
* 只看模型名称，不看实际用量和效果。

## 关于 LLMEasy

不同模型和 reasoning 设置会影响用量。通过 LLMEasy 的用量记录，你可以观察同一类任务在不同模型和配置下的输入、输出和成本差异。

模型 ID 应从 **GPT 分组**复制，确保当前 provider 可以识别。

## Related docs

* [如何配置 Codex CLI 的 config.toml？](/zh/faq/codex/config-toml)
* [model\_provider、base\_url 和 wire\_api 是什么？](/zh/faq/codex/model-provider-base-url-wire-api)
* [Codex 接入 LLMEasy 指南](/zh/ai-tools/codex)
* [Codex CLI sandbox 和 approval mode 是什么？](/zh/faq/codex/sandbox-approval)

## References

* [Codex configuration reference](https://developers.openai.com/codex/config-reference)
* [Codex sample config](https://developers.openai.com/codex/config-sample)
* [Codex CLI slash commands](https://developers.openai.com/codex/cli/slash-commands)