Codex の速度はどう決まるか — 処理時間を短くする設定と使い方
Codex を使い始めると「思ったより待つ」「他のツールより遅い気がする」と感じる場面がある。速度はモデルの推論レイテンシだけでなく、クラウドサンドボックスの起動時間、タスクの複雑さ、実行モードの選択によって大きく変わる。本記事では Codex の速度を左右するしくみを分解し、体感速度を改善するために今すぐ試せる設定と運用の工夫を整理する。
Codex の速度は「モデルが推論する時間」だけでは決まらない。サンドボックスの準備・コード実行・結果の書き出しという 3 つの層が積み重なっており、そのうち最も目立つのはサンドボックスの起動オーバーヘッドだ。初回タスクで 20〜40 秒の待機が発生するのはここが原因で、タスク内容の難易度とは独立している。サンドボックスは一度温まると使い回されるため、連続してタスクを投げると 2 件目以降は明らかに速くなる。
体感速度を改善する最も効果的な手段は複数タスクの並行実行だ。Codex アプリでは複数の「会話(Conversation)」を同時に走らせることができ、5 件のリファクタリングを 1 件ずつ順番に処理するより、5 件同時に投げて待った方が総時間を大幅に短縮できる。CLI 版でも `--sandbox` と `--no-ask-about-ast-slow-paths` オプションを組み合わせることで確認待ちの停止を減らし、スループットを上げる工夫ができる。
CLI とアプリ版では速度特性が異なる。CLI は入力から実行までのラウンドトリップが短い一方、アプリ版はタスクの状態をクラウド側に保存するため、長時間タスクを途中で中断・再開する際に有利だ。2026年6月にリリースされた安定版 0.139.0 では `continue-session` コマンドの応答性と並行処理の安定性が改善されており、適切なモードを選ぶことで待機時間を体感的に半減以下にできる場面もある。
目次 (14)
Codex の速度を構成する 3 つの層
Codex が 1 件のタスクを完了するまでの時間は、次の 3 層で決まる。
層 1 — サンドボックスの準備
Codex は各タスクを隔離されたクラウドサンドボックス上で実行する。このサンドボックスは Docker ベースのマイクロ VM で、リポジトリのクローン・依存パッケージのインストール・ランタイムの起動を含む初期化が完了するまで、タスクへの応答は始まらない。
初回起動の所要時間は公式に開示されていないが、使用状況から一般に 20〜40 秒程度のオーバーヘッドが観測される(出典: https://developers.openai.com/codex/app)。同一セッション内で連続するタスクではサンドボックスが再利用されるため、2 件目以降の待機は大幅に短くなる。
層 2 — モデル推論
サンドボックスが準備できると、モデルがプロンプトを受け取り、コード生成・実行計画・ツール呼び出しを繰り返す。ここでかかる時間はタスクの複雑さとプロンプトの長さに比例する。
Codex は現時点で GPT-5.3 を中心に動作しており、このモデルは推論能力と速度のバランスが改善されているとされている(出典: https://openai.com/index/codex/)。ただし 1 タスク当たりの最大コンテキスト長や実行ステップ数の上限は設けられており、コードベースが大きいほど各ステップのトークン消費が増えて推論時間は伸びる。
層 3 — ファイル書き出しと差分確認
モデルが変更内容を決定したあと、差分(diff)をファイルに適用し、変更をユーザーに提示するまでの I/O 処理が最後の層になる。この部分の所要時間は変更ファイル数に依存するが、通常数秒以内で完了する。
体感速度を上げる 5 つの工夫
工夫 1: タスクを並行実行する
Codex アプリでは複数の「会話」を同時に走らせることができる。5 つのタスクを 1 件ずつ処理すると「タスク時間×5 + 待機時間×5」かかるが、同時に 5 件投げれば「最も長いタスクの時間 + 待機時間 1 回分」で済む。コードレビュー・テスト生成・リファクタリングなど独立したタスクは積極的に並行実行するのが最も効果的な時間短縮策だ(出典: https://developers.openai.com/codex/app)。
Codex のサブエージェント機能も並行実行の一形態で、1 つのタスク内でサブタスクを分岐させ、並列で処理を進める。大きなリファクタリングを「ファイル単位のサブエージェント群」に割り振ることで、直列処理より大幅に短い時間で完了できる。
工夫 2: プロンプトをコンパクトに保つ
プロンプトが長いほどモデルの処理ステップ数が増え、推論時間が伸びる。バグ修正を依頼するなら「どのファイルの何行目に何の問題があるか」を端的に書いた方が、長い説明文を添えるより一般的に速く完了する。
具体的なファイルパスや関数名を指定し、「余計な変更はしない」「テストは対象のファイルだけ書く」のようにスコープを明示すると、Codex が方針決定に使うステップを減らせる。コンテキスト圧縮機能は長い会話でのメモリ効率を改善するが、プロンプト自体を絞る方が根本的に速い(出典: https://developers.openai.com/codex/changelog)。
工夫 3: Sandbox Mode の確認ダイアログを減らす
CLI 版では Sandbox Mode が有効になっていると、ファイル書き込みやコマンド実行ごとに確認を求めるダイアログが挿入される。開発中のレポジトリで信頼できるタスクを扱う場合は、確認回数が処理のボトルネックになることがある。
--approval-policy=auto-edit オプションを設定すると、安全と判断される操作の確認をスキップして自動承認する。ただし本番に直結するレポジトリでは過度な自動化に注意が必要なため、リスクの低い用途に限って使うのが適切だ(出典: https://github.com/openai/codex/releases)。
工夫 4: Goal Mode で長時間タスクをバックグラウンドに逃がす
Goal Mode は、数時間〜数日規模のタスクを「投げて離れる」ことに最適化された実行モードだ。2026年6月3日のアップデートで正式機能になり、タスクの途中でユーザーがシステムを離れても Codex が自律的に進捗を積み上げ続ける(出典: https://openai.com/index/codex/)。
Goal Mode を使うと「待機時間が拘束時間にならない」。小さなタスクを逐一待つのではなく、まとめて Goal Mode に渡して作業の間に処理を進めさせるだけで、体感上の「遅さ」は大きく軽減される。進捗の確認はスマホの ChatGPT アプリからでも行えるため、デスクを離れた後も状況把握が可能だ(出典: https://openai.com/index/work-with-codex-from-anywhere/)。
工夫 5: セッションを再開して起動コストをゼロにする
codex continue-session コマンドを使うと、前回のセッションのサンドボックス状態を引き継ぎ、サンドボックス起動コストをほぼゼロにして次のタスクを開始できる。2026年6月9日リリースの安定版 0.139.0 で continue-session の応答性が改善されており、連続作業では特に効果がある(出典: https://github.com/openai/codex/releases/tag/v0.139.0)。
新しいターミナルを開くたびにサンドボックスを一から立ち上げていると、タスク間のオーバーヘッドが積み重なる。短いタスクを繰り返す作業フローでは continue-session を習慣化するだけで総待機時間を大幅に削減できる。
CLI 版とアプリ版で速度特性はどう違うか
Codex には CLI(@openai/codex パッケージ)とデスクトップアプリの 2 つの実行経路があり、それぞれ速度特性が異なる。
CLI 版の強みは入力から実行までのラウンドトリップの短さだ。ターミナルに直接コマンドを投げるため、アプリの UI 描画やクラウド同期のオーバーヘッドが少ない。ローカルのファイルシステムに直接アクセスするスクリプトとの組み合わせや、CI/CD パイプラインの中に組み込む用途では CLI が圧倒的に速い。
アプリ版はタスクの状態をクラウド側に保存するため、長時間タスクの途中でマシンを閉じて別の端末から再開する場合や、Goal Mode でバックグラウンド処理を走らせ続ける場合に有利だ。通知やセッション管理の UI が整備されており、複数タスクを同時に走らせて進捗を俯瞰する用途ではアプリ版のほうが管理しやすい。
短い単体タスクを素早く片付けたいなら CLI、長時間・並行タスクの管理ならアプリ版を使い分けると、両者の速度的なメリットを引き出せる。インストールと初期設定の手順は公式ドキュメントに詳しい(出典: https://developers.openai.com/codex/app)。
安定版 0.139.0 での速度改善点
2026年6月9日にリリースされた CLI 安定版 0.139.0 は、いくつかの速度に関わる改善を含む。
continue-sessionの応答性向上 — セッション引き継ぎ時のサンドボックス再利用ロジックが改善され、前回セッションの状態復元にかかる時間が短縮された。- 並行タスク処理の安定性改善 — 複数サブエージェントが同時に動作する際の競合状態が修正され、タスクがスタックして再試行を繰り返すケースが減った。
- ネットワーク接続の再試行ロジック — サンドボックスとクラウド間の一時的な通信断絶からの復帰が速くなり、大きなコードベースを扱う際のタイムアウトエラーが減少した。
いずれも公式 changelog および GitHub リリースノートに記載がある(出典: https://github.com/openai/codex/releases / https://developers.openai.com/codex/changelog)。
Codex の速度が遅く感じるときのチェックリスト
上記の工夫を試す前に、まず以下を確認すると原因を絞り込みやすい。
- 初回起動か連続利用か — 初回は 20〜40 秒程度のサンドボックス起動が入るため「遅い」と感じやすい。2 件目以降と比べて同程度かどうかを確認する。
- プロンプトの長さと複雑さ — 長い説明文やスコープが広すぎる指示は処理ステップを増やす。ファイルパスと関数名を指定してスコープを絞る。
- CLI のバージョン —
codex --versionで現在のバージョンを確認し、安定版 0.139.0 未満であればnpm install -g @openai/codex@latestでアップデートする(出典: https://github.com/openai/codex/releases)。 - タスクを直列で投げていないか — 独立した複数タスクを 1 件ずつ待っているなら、アプリ版で並行実行に切り替えるだけで総時間が縮まる。
- Goal Mode の活用余地はないか — 10 分以上かかるタスクは Goal Mode に渡すと、待機している間に他の作業を進められる。
まとめ
Codex の速度はサンドボックス起動・モデル推論・ファイル書き出しという 3 層の合計で決まる。単純にモデルが「速い・遅い」という話ではなく、並行実行・セッション引き継ぎ・Goal Mode の使い分けによって体感速度は大きく変わる。安定版 0.139.0 以降では continue-session の応答性と並行処理の安定性が改善されており、今から始める場合は最新版に揃えるのが最初の一手だ。スコープを絞ったプロンプトと並行実行の組み合わせを試すだけで、待機時間を体感的に半減以下にできる場面は少なくない。
