Codex CLIを使う時の用途別使用モデル変更方法
Codex CLIは用途によって使用するモデルを変えた方が良いのですが、私はこういう設定を全然覚えられません。
別のマシンで同じ環境を作ろうとするたびに「config.tomlってどこだっけ」「プロファイルってどう指定するんだっけ」と毎回調べるのが面倒くさいので、自分用の備忘録として書いておきます。
この記事では、以下の4種類のプロファイルを作成して、codex --profile プロファイル名で用途ごとに使い分ける方法をまとめます。
| プロファイル | 使用モデル | 推論量 | 用途 |
|---|---|---|---|
deep | gpt-5.6-sol | high | 難しい実装、設計、じっくり調査したい時 |
work | gpt-5.6-terra | medium | 普段の実装や修正 |
fast | gpt-5.6-luna | low | 軽微な修正、質問、確認 |
local | Ollamaで動かすローカルモデル | モデルによる | オフラインで試したい時、ローカルモデルを使いたい時 |
プロファイル設定ファイルの場所
Codex CLIの通常設定は~/.codex/config.tomlにあります。
--profileで読み込む設定は、同じフォルダ内にプロファイル名.config.tomlという名前で作成します。
今回の場合は以下の4ファイルを作成します。
~/.codex/
├── config.toml
├── deep.config.toml
├── work.config.toml
├── fast.config.toml
└── local.config.tomlプロファイルの設定は通常設定の上に重ねて読み込まれます。共通設定はconfig.tomlに書いておき、モデルなど用途ごとに変えたいものだけを各プロファイルへ書けば良いです。
deepプロファイル
難しい実装や設計を考えてもらう時、複数ファイルにまたがる大きめの修正をする時などはdeepを使用しています。
~/.codex/deep.config.tomlを以下の内容で作成します。
model = "gpt-5.6-sol"
model_reasoning_effort = "high"
sandbox_mode = "workspace-write"
approval_policy = "on-request"使用する時は以下の通りです。
codex --profile deepSolはじっくり考えてほしい時に使うモデルとして設定しています。簡単な作業に毎回使うと待ち時間もそれなりに増えるので、普段は次のworkを使用することが多いです。
workプロファイル
普段の実装、バグ修正、既存コードの調査などはworkを使用しています。
~/.codex/work.config.tomlを以下の内容で作成します。
model = "gpt-5.6-terra"
model_reasoning_effort = "medium"
sandbox_mode = "workspace-write"
approval_policy = "on-request"使用する時は以下の通りです。
codex --profile work特に理由がなければこれを使っています。速度と考える量のバランスが良いので、個人的には一番出番が多いです。
fastプロファイル
ちょっとした修正、ファイルの確認、簡単な質問など、なるべく早く終わってほしい時はfastを使用しています。
~/.codex/fast.config.tomlを以下の内容で作成します。
model = "gpt-5.6-luna"
model_reasoning_effort = "low"
sandbox_mode = "workspace-write"
approval_policy = "on-request"使用する時は以下の通りです。
codex --profile fast複雑な設計や大きな実装を任せる用途には向きませんが、「この文言だけ変えて」「エラーの原因だけ見て」くらいならこれで十分なことが多いです。
localプロファイル
ローカルモデルを使いたい時はOllamaを使用します。
はじめにOllamaをインストールして、使用したいモデルを取得します。ここでは例としてqwen3-coder:30bを使用します。
ollama pull qwen3-coder:30b続いて、~/.codex/local.config.tomlを以下の内容で作成します。
model_provider = "ollama"
model = "qwen3-coder:30b"
model_reasoning_effort = "medium"
sandbox_mode = "workspace-write"
approval_policy = "on-request"
[model_providers.ollama]
name = "Ollama"
base_url = "http://localhost:11434/v1"
wire_api = "responses"使用する時は以下の通りです。
codex --profile localmodelには、ollama listで表示される取得済みモデル名を指定します。パソコンのスペックによって快適に動かせるモデルは変わるので、ここは自分の環境に合わせて変更してください。
また、Ollamaが起動していないと接続できないので、うまく動かない時は以下でローカルのAPIが起動しているか確認します。
ollama listローカルモデルは月額利用枠などを気にせず試せるのが良いところですが、クラウド版のCodexと比べるとパソコンの性能やモデルによって速度・精度が結構変わります。重い処理をさせるより、ローカルで完結させたい軽い作業や実験用途に使うのが良さそうです。
プロファイルを使い分ける
作成後は、起動時に--profileを付けるだけで切り替えられます。
# 難しい実装や設計
codex --profile deep
# 普段の作業
codex --profile work
# 軽微な作業
codex --profile fast
# Ollamaのローカルモデル
codex --profile local毎回モデルを選択したり、config.tomlを書き換えたりしなくて良くなるのでかなり楽です。
終わりに
Codex CLIで用途別にモデルを切り替える設定方法をまとめました。
設定自体はただファイルを4つ作るだけですが、別マシンだとファイル名や起動コマンドを忘れて毎回調べてしまうので、未来の自分が楽をするための備忘録です。
モデル名や推論量はCodex CLIのアップデートや自分の使い方によって変わると思うので、その時は各*.config.tomlを修正すれば良いです。