Codex 1M contextとは｜容量と圧縮の確認方法

Codex 1M contextを先に結論

Codex 1M contextとは、Codexで使うモデルが約100万トークン級の文脈を扱えるかを調べるときの呼び方です。ここでいう文脈には、利用者の指示だけでなく、会話の履歴、読み込んだコード、ツールの結果、テスト出力、修正方針などが含まれます。したがって、画面に表示された「使用量」が少なくても、次の応答に使える余地が同じ割合で残っているとは限りません。

OpenAI APIのGPT-5.6 Solのモデルページは、コンテキストウィンドウを1,050,000トークンと掲載しています。一方、Codexはモデルを選ぶ画面、デスクトップアプリ、CLI、アカウントやプラン、クライアントの版によって利用できる条件が決まります。APIの仕様値は能力の基準、Codexの表示はその入口で使える実効値を確認する材料と分けて読むのが要点です（出典: GPT-5.6 Solのモデル仕様）。

2026年8月5日時点で、GPT-5.6がCodexにあること自体は公式発表とヘルプ情報で確認できます。ただし、1Mの表示をすべてのCodex利用者へ一律に約束する資料とは別です。長いリポジトリを一つの会話に詰め込みたい場合は、モデル名だけで判断せず、実際のセッションでどの程度まで保持されるかを確認してください。

「1M」は100万文字という意味ではない

トークンは、モデルが文章を処理する単位です。英数字では単語や記号のまとまりに近く、日本語では一文字が常に一トークンになるわけではありません。コードのインデント、記号、ファイルパス、ログの繰り返しも入力として積み上がります。そのため「100万トークンなら日本語100万文字」と考えると、実際の作業量を大きく見誤ります。

また、文脈窓は入力だけを置く箱ではありません。モデルの返答、内部で使う推論、ツール結果を保持する余地も関係します。APIのページにある最大出力トークンと文脈窓が別々に掲載されているのは、この二つを分けて読む必要があるためです。まずトークンと文字を切り分けることが、1Mという数字を正しく理解する第一歩です。

モデル仕様とCodexの実効容量は別の欄を見る

モデルページは、そのモデルが対応するAPI経路での仕様を示します。Codexでは、利用可能なモデルのカタログ、クライアントの版、利用者のプラン、サーバー側の設定などが重なります。公式のCodex設定リファレンスも、model_context_windowを「アクティブなモデルで利用できる文脈窓のトークン数」と説明していますが、設定ファイルへ数字を書けばサービス側の上限を超えられるとは説明していません（出典: Codex設定リファレンス）。

この違いを無視すると、APIでは1Mと表示されるのに、Codexでは早く圧縮が始まるという状況を「故障」と決めつけやすくなります。逆に、Codexの表示だけを見てモデルそのものの仕様を否定するのも適切ではありません。どの入口で、どのモデルを、どの版で使ったかを記録してから比較しましょう。

なぜ今Codex 1M contextを確認するのか

背景にあるのは、GPT-5.6が2026年7月9日に一般提供され、Codexでも新しいモデル系列を選べるようになったことです。OpenAIの発表では、GPT-5.6はSol、Terra、Lunaの三つの層で提供され、CodexとAPIの双方に展開されました。Codexではプランによって選べる層と推論レベルが異なるため、同じGPT-5.6という名前でも利用条件を記録する必要があります（出典: GPT-5.6の提供案内）。

さらに、GPT-5.6へアクセスするための最低版として、OpenAI Help CenterはChatGPTデスクトップアプリのCodexモードとCodex CLIの版を案内しています。版が古いままなら、モデル一覧に新しい名前が出ない、または選択後の挙動が案内と違う可能性があります。新モデルの話をするとき、モデル名だけでなくクライアント版まで確認する理由はここにあります（出典: GPT-5.6 in ChatGPT）。

7月9日のGPT-5.6提供で入口が増えた

GPT-5.6は、難しいコード作業、調査、画面操作などを長く進める用途を意識したモデルとして発表されました。Codexでは、FreeとGoではTerra、Plus以上ではSol・Terra・Lunaを選べる案内があります。これは「選べるモデルの種類」の情報であり、各モデルを各入口で何トークンまで保持できるかをすべて説明する表ではありません。

モデル選択画面にGPT-5.6が出たときは、まず選択できた事実を記録します。続けて、アプリかCLIか、通常の会話かクラウド側の作業か、プランは何かを残します。後日同じ作業を比較するとき、こうした条件がないと「新モデルだから1Mのはず」という推測だけが残ってしまいます。

GPT-5.5の発表が示した入口ごとの差

GPT-5.5の公式発表は、Codexでのコンテキストウィンドウを400K、APIでのコンテキストウィンドウを1Mとして別々に記載しています。つまり、同じモデル名を使っていても、製品の入口により公開される条件が異なる例が公式資料にあります。この事実だけで現在のGPT-5.6のCodex容量を断定することはできませんが、数字を分けて読むべき理由は明確です（出典: Introducing GPT-5.5）。

この差は、利用者がAPIとCodexを使い分けるときに特に重要です。APIの長文入力で成功した課題を、そのままCodexの会話へ貼り付ければ同じ結果になるとは限りません。ファイルの取り込み方、履歴の残り方、圧縮のタイミングが異なるため、同じプロンプトだけで比較せず、入口ごとの条件をそろえて確認します。

公式リポジトリの報告は「確認すべき兆候」として読む

OpenAIの公式openai/codexリポジトリには、GPT-5.6 Solについて、公開API仕様の1,050,000に対し、Codexアプリ側では約372Kのカタログ値と約353.4Kの実効値が見えるというissueが2026年7月9日付で公開されています。これはリポジトリに寄せられた個別の報告であり、すべての利用者に共通する確定仕様ではありません。それでも、APIの数字とCodexの実効値を分けて確認する必要性を示す資料です（出典: openai/codex issue #31860）。

記事やSNSで「1M対応」とだけ見かけたときは、APIのモデルページなのか、Codexアプリの画面なのかを確かめましょう。公式の発表、設定リファレンス、リポジトリの報告はそれぞれ役割が違います。確定した製品案内、設定項目の説明、個別環境の症状を同じ重みで扱わないことが大切です。

1Mを読むために分ける三つの数字

Codexの容量を確認するときは、少なくともモデル名、クライアント版、実効的な文脈使用量を分けます。名前の数字だけを見ていると、GPT-5.6というモデル名、Codex CLI 0.144.0というクライアント版、画面に出る現在の使用量が同じ種類の情報に見えてしまいます。実際には、それぞれ別の質問へ答える数字です。

この四つを同じメモに残すと、問題がモデルの選択にあるのか、版の違いにあるのか、長い履歴にあるのかを切り分けやすくなります。公開仕様が大きくても、現在のセッションがすでに多くのコードやログを含んでいれば、次のターンで使える余地は小さくなります。

モデル名は「何を使っているか」を示す

gpt-5.6-solやgpt-5.5のような文字列は、処理を担当するモデルを示します。モデルの能力やAPI側の文脈窓を調べるなら、OpenAIのモデルページを参照します。ここで分かるのはモデルの仕様であり、今の会話が何トークン消費したかではありません。

モデルを切り替えた直後は、前の会話の履歴が新しいモデルにそのまま同じ条件で渡るとは限りません。新しいスレッドで同じ小さな課題を実行し、モデル名と結果を記録すると、切り替えによる違いを見やすくなります。

クライアント版は「どの入口から呼んだか」を示す

デスクトップアプリとCLIは、同じCodexという名前でも配布単位が違います。Help CenterがGPT-5.6の利用に最低版を案内しているように、モデルの利用可否や表示はクライアント版に左右されます。画面の「About」やCLIの版表示を確認し、モデル名の横に必ず残してください。

版番号を更新しただけで、モデルの文脈窓が1Mになるわけではありません。更新は新しい選択肢へ接続する条件を満たす操作、容量の確認はその後に行う検証です。この二つを一つの結果として記録しないことが、誤解を防ぎます。

実効状態は「今のセッションが使える範囲」を示す

実効状態とは、現在のセッションでCodexが保持している履歴と、次の応答に使える余地を判断するための情報です。/statusは現在のモデル、承認方針、書き込み可能な範囲、トークン使用量などを表示します。ここで見えるのは進行中の状態であり、モデルページの最大値そのものではありません（出典: Codexの開発者コマンド）。

長い作業では、現在の使用量が増えるほど圧縮や新しい会話への分割が選択肢になります。最大値を待ってから慌てるより、節目ごとに状態を記録して、必要なら履歴を整理する方が、重要な決定を失いにくくなります。

Codexで1M contextを確認する手順

Codexの容量を調べるときは、公開ページを読むだけで終わらせず、同じセッションの状態まで確認します。次の順序なら、モデル仕様と個別環境の違いを混ぜずに記録できます。

1. 選択中のモデル名を記録する。 CodexアプリまたはCLIのモデル表示を開き、GPT-5.6 Sol、Terra、Luna、GPT-5.5など、実際に選んだ名前をそのまま残します。モデルページを後から見るときも、別名や世代を取り違えにくくなります。
2. 入口とクライアント版を記録する。 デスクトップアプリ、CLI、IDE拡張などのどこから使ったかを書き、アプリのAbout画面またはcodex --versionで版を確認します。GPT-5.6の最低版案内より古い場合は、先に更新可否を確認します。
3. /statusで使用量を確認する。 CLIの会話中に/statusを入力し、アクティブなモデルと現在のトークン使用量を見ます。使用量が最大値を表すと早合点せず、セッションの途中経過として保存します。
4. 小さな同一課題で再現する。 大きなリポジトリ全体をいきなり投入せず、同じファイルを読む、短い修正案を返す、テスト結果を要約するという小さな課題で、モデルと版を変えた結果を比べます。比較条件を固定すると、容量差と課題の難しさを切り分けられます。
5. 圧縮が起きた位置を記録する。 /compactを自分で実行した場合と、履歴が整理された場合を分け、どの時点で何が要約されたかをメモします。圧縮後に必要な前提が残っているかを確認し、失われた情報は短い要件として別途書き直します。

この手順で得た結果は、「API仕様としての1,050,000」「Codexの表示」「自分のセッションの使用量」という三つの欄に分けて保存します。どれか一つだけを「Codexは1M」と呼ばないことが、後から再現できる記録を作るコツです。

/statusで現在の使用量を見る

公式の開発者コマンドでは、/statusを入力すると現在のモデル、承認方針、書き込み可能な範囲、トークン使用量を確認できると説明されています。1Mという最大容量を直接証明するコマンドではありませんが、今のセッションがどれくらい履歴を抱えているかを見る入口になります。

結果を読むときは、使用量と残り容量を混同しないでください。表示された使用量が少ないからといって、APIモデルページにある全容量がそのまま空いているとは限りません。モデルの予約領域、返答に必要な余地、圧縮のしきい値などが関係するため、数値は目安として扱います。

モデル表示と版番号を同じメモに残す

同じプロジェクトで数日作業すると、モデルの切り替えやクライアントの更新が途中で起こります。そのとき、会話のURLや題名だけを保存すると、どの版の結果か分からなくなります。「確認日」「入口」「モデル」「クライアント版」「/statusの使用量」「圧縮の有無」を一行ずつ残すだけでも比較の精度が上がります。

これは特別な計測環境を用意する話ではありません。利用者が見える情報を同じ順序で写すだけです。公式ページの更新で数字が変わった場合にも、過去の記録と現在の記録を区別できます。

1M contextとコンテキスト圧縮の関係

文脈窓が大きくなると、長いコード作業を一つの会話で続けやすくなります。しかし、1Mがあるなら圧縮は不要になる、という意味ではありません。会話が長くなれば、コードの読み込み、テストログ、差分、追加指示が積み上がり、次の返答に必要な余地を確保するために履歴を整理する場面があります。

Codexには手動で履歴を要約する/compactがあり、公式説明では以前のターンを簡潔な要約へ置き換えて重要な情報を残し、文脈を空ける操作とされています。大きな窓を使える場合でも、作業の節目で要約の品質を確認すれば、後半の判断に序盤の前提を引き継ぎやすくなります（出典: Codexの/compact説明）。

/compactは容量を増やす機能ではない

/compactは、すでにある会話を短くまとめ、同じセッションで次の作業を続けるための操作です。モデルの文脈窓を拡張したり、サービス側の上限を変更したりするものではありません。要約後も、細かなログや一度だけ出てきたファイル名などが省かれる可能性はあります。

大切な判断を残したいときは、圧縮の前に「決定事項」「変更しない範囲」「失敗した検証」「次に確認する条件」を短く書きます。要約に任せきりにせず、人が読んでも意味が分かる記録を手元に置くと、圧縮後の修正方向がぶれにくくなります。

model_auto_compact_token_limitを数値だけで決めない

Codexの設定リファレンスには、model_auto_compact_token_limitという項目があり、履歴の自動圧縮を始めるトークンしきい値を指定します。未設定ならモデルの既定値が使われ、model_context_windowはアクティブなモデルで利用できる文脈窓を表します。二つは関連しますが、同じ値を入れる欄ではありません（出典: Codex設定リファレンス）。

APIの仕様ページを見てmodel_context_window = 1000000と書けば、すべてのCodex環境で1Mになると考えるのは危険です。カタログの値、選択中のモデル、クライアントの対応、サーバー側の条件が一致している必要があります。まず既定の表示と公式案内を確認し、明確な根拠がある場合だけ設定を変更します。

圧縮後に残す情報を先に決める

長いコード作業では、すべての履歴を残すより、後半で再利用する情報を決める方が実用的です。たとえば、変更の目的、データ形式、失敗したテスト、採用しなかった案、次の確認条件は要約へ残したい情報です。反対に、同じファイルを何度も表示したログや、すでに確認済みの一般的な説明は、短くしても作業への影響が小さい場合があります。

この優先順位を最初にCodexへ伝えると、圧縮後の要約を読みやすくできます。ただし、重要情報の扱いを保証するものではないため、仕様上の正本や大切な決定はリポジトリ内の文書など、会話の外にも残しておくと安心です。

長い開発作業で1M contextが役立つ場面

1M級の文脈窓が価値を持つのは、単に一度に大量のファイルを貼れるからではありません。Codexがコードの構造、要求、修正履歴、テスト結果を同じ流れで参照できれば、途中で前提を説明し直す回数を減らせます。特に、複数の層をまたぐ変更や、原因を調べながら検証を繰り返す作業では、文脈の保持が判断の一部になります。

ただし、入力を増やすほどよいとは限りません。関係のないログ、生成物、依存パッケージの内容まで渡すと、必要なファイルが埋もれ、応答が遅くなり、使用量も増えます。大きな窓は「全部を入れる許可」ではなく、「必要な前提を一つの会話に残せる余地」と考えると、使い過ぎを防げます。

大きなリポジトリの読解で使う

初めて触るリポジトリでは、入口となる画面、データの流れ、テストの位置、設定の読み込み先を順に把握します。各調査結果をその都度短く整理すれば、後の修正依頼で同じ説明を繰り返さずに済みます。1M級の窓は、こうした構造理解と小さな修正を同じ会話でつなぐときに効果を発揮します。

一方、リポジトリ全体を無差別に読ませる必要はありません。まず入口と関連するモジュールを指定し、Codexが見つけた候補を人が確認し、必要な範囲だけを広げます。文脈の広さと対象の選び方を組み合わせることで、情報量の多さがノイズになるのを防げます。

複数ファイルの変更で使う

画面、API、データベース、テストのように複数ファイルへ影響する修正では、一つの変更が別の層へ波及します。前半で決めたデータ形式を後半のテストでも参照できれば、同じ前提を何度も書き直す負担が減ります。長い文脈は、ファイルを多く扱うことより、判断のつながりを保つことに意味があります。

それでも、変更を一度に広げ過ぎないことが重要です。まず読み取りと計画、次に限定した修正、その後にテストと差分確認というように区切ると、どこで前提が変わったかを追いやすくなります。1Mが使える場合も、作業単位を小さくする方が結果を評価しやすくなります。

長いテストログを扱うときに使う

テストが失敗したときは、失敗したコマンド、最初のエラー、再現条件、修正後の結果が重要です。ログを最初から最後まで貼り続けるより、原因に関係する部分と発生条件を分けて示します。Codexに長いログを読ませる場合も、何を判断してほしいのかを先に書くと、必要な情報へ注意を向けやすくなります。

1Mの文脈窓は、複数回の検証結果を保持したい場合に役立ちますが、ログの品質を上げる機能ではありません。出力を整理し、再現条件を固定し、テスト結果を短く要約する習慣があって初めて、広い文脈が判断に生きます。

Codexで容量が小さく見えるときの切り分け

「1Mのはずなのにすぐ圧縮される」「モデルを変えたら表示が小さくなった」というときは、設定値を増やす前に、どの段階で数字が変わったかを調べます。API仕様、Codexのモデルカタログ、クライアントの表示、セッションの使用量は別々に確認する必要があります。

個別の報告を見つけても、すぐに全利用者の仕様だと決めないことが大切です。OS、アプリまたはCLIの版、選択中のモデル、プラン、開始時刻、圧縮が起きた位置をそろえれば、再現する症状か一時的な表示かを判断しやすくなります。

まずモデルと入口をそろえる

最初に、同じ課題を同じモデルで実行したかを確かめます。GPT-5.6 SolとTerraを混ぜたり、APIの応答とCodexアプリの会話を比較したりすると、容量だけでなく処理経路も変わります。比較対象は一つのモデル、一つの入口、一つの小さな課題に絞ります。

モデル名が同じでも、アプリとCLIで版が違う場合があります。モデル表示と版番号を同じ記録へ書き、最低版の案内に達しているか確認します。古い版で新モデルの挙動を推測するより、更新後に再現できるかを見る方が確実です。

次に設定ファイルの上書きを確認する

model_context_windowやmodel_auto_compact_token_limitを設定している場合は、値の出どころと適用範囲を確認します。利用者設定、プロジェクト設定、プロファイル、起動時の指定が重なっていると、意図した値と実際の値が異なることがあります。設定を変更したら、/statusと新しい小さなセッションで結果を確かめます。

ただし、設定を削除したり数字を増やしたりする前に、現在のファイルを保存しておきます。元の状態と変更後を比べられれば、症状が設定由来か、モデルカタログやサービス側の条件かを切り分けやすくなります。根拠のない大きな値を入れることは、検証ではありません。

すぐに会話を分ける判断も持つ

容量が小さく見える場合でも、作業を止める必要があるとは限りません。重要な要件、決定事項、現在の差分、未解決のテストだけを短いメモへまとめ、新しい会話で続けます。新しい会話へ渡す情報が明確なら、圧縮で失われた細部に依存せずに再開できます。

大きなリポジトリの調査、実装、検証を一つの会話へ詰め込むと、どこかの段階で文脈が膨らみます。調査結果を確認済みの文書へまとめ、実装と検証を分けるだけでも、必要な履歴を保ちやすくなります。1Mを使えるかどうかに関係なく、会話を分ける判断は有効です。

公開情報と個別症状を分けて報告する

再現しない症状を問い合わせる場合は、モデル名、クライアント版、OS、プラン、現在の表示、期待した表示、圧縮が起きた条件を整理します。APIのモデルページにある数値、Codexの画面で見える数値、/statusの結果を別々に書けば、読み手が同じ事実を追えます。

公開リポジトリのissueへ報告するときも、個人情報やプロジェクトの中身を貼らず、再現に必要な最小限の情報だけを残します。公式の既存issueに似た症状がある場合は、重複して断定せず、現在の版と環境が一致するかを確認してから参照します。

GPT-5.6のモデル選びと1Mの考え方

GPT-5.6はSol、Terra、Lunaの三つに分かれ、公式APIモデルページではいずれも1,050,000トークンの文脈窓が掲載されています。Codexのヘルプ案内では、利用プランによって選択できる層が異なります。難しいコード作業ではSol、品質と費用のバランスを見たい場合はTerra、大量の小さな確認ではLunaという考え方ができますが、利用できる容量を名前だけで決めないことが重要です（出典: OpenAI APIモデル一覧）。

実際の選択では、文脈の広さだけでなく、修正の難しさ、応答時間、利用枠、結果の確認方法を合わせて考えます。短い関数の修正に大きなモデルと広い履歴を使う必要はありません。一方、複数の層にまたがる調査では、前提を保てるモデルと十分な余地が役立ちます。課題を小さくした比較結果をもとに、使う層を決めるのが現実的です。

Sol・Terra・Lunaを容量だけで順位付けしない

Sol、Terra、Lunaは、単純に文脈窓の大きさだけで並べる名前ではありません。能力、速度、費用をどこに置くかを分けるための層です。APIの公開仕様が同じ1.05Mでも、処理の品質や応答時間、利用条件が同じとは限りません。容量の数字は、モデル選びの一つの軸として使います。

Codexで選択できる層はプランと提供状況にも左右されます。画面に出ていないモデルを設定ファイルへ手書きしても、利用可能になるとは限りません。まず公式の提供案内と現在のモデル一覧を確認し、表示された選択肢の中で小さな課題を比較してください。

GPT-5.5との比較は入口を固定する

GPT-5.5の公式発表には、CodexとAPIで異なる文脈窓が記載されています。このため、GPT-5.5とGPT-5.6を比べるときも、API同士、またはCodex同士のように入口をそろえます。APIの1MとCodexの400Kを直接比べて「GPT-5.6の方が広い」と結論を急ぐと、製品差をモデル差と誤認します。

同じ入口で、同じファイル、同じ指示、同じ検証を使い、モデル名と使用量を記録します。結果が変わったとき、文脈窓の差だけでなく、推論の質、圧縮のタイミング、ファイルの取り込み方も候補に残しておくと、より正確な比較になります。

まとめ：Codex 1M contextは三つの条件で確認する

Codex 1M contextを理解する鍵は、APIモデルの公開仕様、CodexアプリやCLIの入口、現在のセッションの実効状態を分けることです。GPT-5.6のAPIページに1,050,000と書かれていても、その数値だけで全てのCodex環境の表示や圧縮位置を決められるわけではありません。公式発表、Help Center、設定リファレンス、公式リポジトリの個別報告を役割ごとに読み分けます。

実際に使うときは、モデル名とクライアント版を記録し、/statusで使用量を確認し、必要なら/compactや新しい会話で履歴を整理します。長い開発作業では、広い文脈窓に任せて情報を詰め込むより、重要な前提と検証結果を残しながら段階を分ける方が安定します。「1M対応」という一行を結論にせず、自分の入口とセッションで確認した値を基準にすることが、2026年8月5日時点での実用的な判断です。