Uruchamiaj OpenAI Codex taniej niż subskrypcję ChatGPT: 98% cache hit rate, GPT-5.5 z niskim reasoningiem i workflow grill-me

Aplikacja OpenAI Codex to dziś najlepszy ogólnego przeznaczenia harness do kodowania. Ma tryb dyktowania, prawdziwy podgląd diffów, rozbudowany ekosystem pluginów i skillsów (w tym plugin computer-use) oraz uruchamia GPT-5.5 — obecnie state-of-the-art na Terminal-Bench 2.0, Expert-SWE i FrontierMath. Jest jednak jeden haczyk: subskrypcja ChatGPT, w której dostajesz Codex, nakłada limit użycia. Gdy go osiągniesz, przez kilka godzin jesteś throttlowany.

Smart AIPI to naprawia. Wskaż Codexowi https://api.smartaipi.com/v1, a dostaniesz model cenowy pay-as-you-go dla tych samych modeli, z zachowanym prompt cache i stanem tool-call przez długie sesje. Dla większości użytkowników wychodzi to taniej niż subskrypcja ryczałtowa — i nigdy nie throttluje.

Pay-As-You-Go wygrywa z subskrypcją ChatGPT dla większości użytkowników Codex

Subskrypcja ChatGPT Plus kosztuje 20 USD/miesiąc. Pro kosztuje 200 USD/miesiąc. Obie mają twarde limity użycia Codex — kilka godzin intensywnej pracy agentowej i jesteś throttlowany aż do resetu okna limitu.

Smart AIPI rozlicza za token, bez minimum, bez opłaty miesięcznej, bez limitu. Cennik GPT-5.5 przez Smart AIPI:

Policzmy to na typowej sesji Codex. 200K-token cached prefix na turn (twój repo + agents.md + historia), 5K nowego inputu na turn, 3K outputu na turn przy niskim reasoning. To daje około $0.054 na turn. Mocny dzień z 100 turnami kończy się na około $5. Zwykły dzień z 20 turnami jest bliżej $1.

Zaleta pay-as-you-go kumuluje się w dwóch kierunkach. Lżejsi użytkownicy — czyli większość — płacą 5–15 USD miesięcznie za ten sam dostęp, za który subskrypcja 20 USD pobiera opłatę i nakłada limit. Ciężcy użytkownicy, którzy w jednym popołudniu spaliliby limit subskrypcji Plus, płacą tylko za to, co rzeczywiście obliczą, bez throttlingu i bez czekania. W obu przypadkach wygrywasz.

Jak Smart AIPI utrzymuje 98% cache hit rate podczas długich sesji Codex

Sama cena ma znaczenie tylko wtedy, gdy faktycznie trafiasz w cache. Wiele gatewayów nominalnie proxy’uje requesty OpenAI, ale psuje upstream prompt cache przez ponowne kluczowanie requestu, gubienie stanu mid-stream albo utratę kolejności tool-call przy retry. Smart AIPI jest zaprojektowane dokładnie tak, żeby nie robić żadnej z tych rzeczy.

Trzy rzeczy utrzymują cache w gorącym stanie:

• End-to-end cache-key preservation. Klucz prompt-cache, który OpenAI wylicza z prefiksu inputu, jest zachowany dosłownie przez gateway. Nie przepisujemy, nie przestawiamy ani nie normalizujemy treści wiadomości w sposób, który unieważniłby cache.
• Odporność stanu tool na ponowne połączenia. Gdy upstream ogranicza request w trakcie streamu, Smart AIPI reconnectuje transparentnie i odtwarza cache’owany input — w tym elementy function_call i custom_tool_call, które są w trakcie realizacji. Codex nigdy nie widzi reconnectu, więc cache dalej trafia w następnym turnie zamiast startować na zimno.
• Zachowanie stanu sesji WebSocket. Codex CLI streamuje przez WebSocket. Smart AIPI utrzymuje cache’owany input przez cały cykl życia WS, więc 50-turnowa sesja agentowa współdzieli jeden ciepły cache zamiast płacić pełną cenę inputu w każdym turnie.

Efekt netto: długie zadanie w Codex, które kosztowałoby 40 USD niecache’owanego inputu przez naiwny proxy, kosztuje około 4 USD przez Smart AIPI. Ta 10× różnica to cache.

Używaj niskiego reasoning effort do prawie wszystkiego

Brzmi kontrintuicyjnie, ale to prawda: GPT-5.5 z reasoning effort low daje taki sam lub lepszy output niż high w ogromnej większości zadań programistycznych, a robi to przy ułamku kosztu outputu. Reasoning tokens są rozliczane jako output, a high effort zużywa 5–10× więcej reasoning tokens niż low. Przy zwykłej pracy — pisanie kodu, stosowanie diffów, uruchamianie komend, streszczanie logów, refaktoryzacja — to dodatkowe rozważanie nic nie wnosi. Często wręcz szkodzi: model zaczyna kwestionować oczywiste decyzje, nadmiernie projektuje proste zmiany i generuje rozwlekły kod, który kosztuje więcej czasu przy czytaniu.

Wniosek ekonomiczny: każdy output token przy wysokim reasoning kosztuje tyle samo co token przy niskim reasoning, ale generujesz ich znacznie więcej. Domyślne ustawienie low i przełączanie na high tylko wtedy, gdy zadanie naprawdę tego wymaga, obniża rachunek za output mniej więcej o połowę w typowym projekcie.

Workflow Grill-Me: high reasoning tam, gdzie naprawdę niesie ciężar

Najczystszy sposób, żeby połączyć zalety obu poziomów effort, to skill Matta Pococka grill-me (github.com/mattpocock/skills). Robi dokładnie to, co sugeruje nazwa: model przepytuje cię o specyfikację zadania — zadaje precyzyjne pytania doprecyzowujące, aż cel, ograniczenia, pliki w zakresie, kryteria sukcesu i edge case’y staną się jednoznaczne.

Workflow:

1. Uruchom grill-me na xhigh reasoning dla fazy specyfikacji. Zwykle 3–5 krótkich turnów. Łączny koszt: kilka centów premium reasoning. Wynik to ciasna, kompletna specyfikacja, na której model może pracować bez zgadywania.
2. Przejdź na low reasoning dla fazy wykonania. Codex realizuje plan — 30 do 100 turnów pisania kodu, stosowania diffów, uruchamiania testów i iteracji. Każdy turn jest tani, bo reasoning jest minimalny, a prefiks inputu jest ciepły w cache.
3. Wróć do high reasoning tylko wtedy, gdy wykonanie ujawni rzeczywistą niejednoznaczność — prawdziwy fork architektoniczny albo nieoczekiwany failure mode bez oczywistej poprawki. W przeciwnym razie zostań przy low.

Taki wzorzec kosztuje mniej więcej połowę tego, co uruchamianie high reasoning od początku do końca, przy jakości co najmniej takiej samej — zwykle lepszej, bo high reasoning podczas wykonania ma tendencję do nadmiernego projektowania rutynowej pracy.

Dlaczego Codex wygrywa z Claude Code jako harness

Claude Code to dobry harness. Codex jest lepszy dla większości workflowów w 2026 roku, a różnica się powiększa. Funkcje, które mają znaczenie na co dzień:

• Tryb dyktowania. Wypowiadasz zadanie zamiast je pisać. Codex transkrybuje i podaje tekst do modelu. Przy długich opisach zadań, przeglądach planów i każdym momencie, gdy chcesz myśleć na głos, jest to mniej więcej dwa razy szybciej niż pisanie.
• Prawdziwy viewer diffów. Każda oczekująca edycja pokazuje się jako unified diff przed zastosowaniem, z akceptacją/odrzuceniem na poziomie chunków. Nigdy nie zaskakuje cię to, co zrobił agent, bo wcześniej już to zatwierdziłeś. Obsługa diffów w Claude Code jest użyteczna; w Codex jest wyraźnie bardziej dopracowana.
• Skills i pluginy. Format skills w Codex jest dobrze udokumentowany i wokół niego powstaje aktywny ekosystem. Poza grill-me, plugin computer-use pozwala Codexowi sterować przeglądarką, robić zrzuty ekranu i klikać — zamieniając ten sam harness w agenta automatyzacji przeglądarki bez wychodzenia z terminala.
• GPT-5.5 z niskim reasoningiem. To połączenie trudno przebić pod względem surowej produktywności na dolar. Claude Sonnet przy tym samym efektywnym koszcie generuje bardziej rozwlekły kod i ma słabszą niezawodność tool-use podczas długich sesji.

GPT-Image-2 w Codex: logo prosto do frontend

GPT-Image-2 to flagowy model obrazu OpenAI i jest dostępny na żywo w Smart AIPI od $0.003 za obraz. Naturalnym zastosowaniem wewnątrz Codex jest skill generowania obrazów: zamiast przeskakiwać do narzędzia projektowego, prosisz Codex o zaprojektowanie logo, generujesz je przez API i osadzasz je bezpośrednio w frontend — wszystko w jednym zadaniu.

# W Codex, z zainstalowanym skillem generowania obrazów:
> zaprojektuj czyste, monochromatyczne logo dla "Helix Analytics", wygeneruj je,
  zapisz je do public/logo.png i odwołaj się do niego z navbar.

[Codex wywołuje /v1/images/generations z model=gpt-image-2,
 zapisuje zwrócony PNG na dysku, edytuje komponent React, aby go zaimportować
 i wyrenderować, a przed zastosowaniem pokazuje diff.]

Ten sam workflow obsługuje mascots, hero images, materiały marketingowe, nagłówki postów na blogu — wszystko, do czego normalnie musiałbyś wyjść z terminala. Przy $0.003 za niski jakościowo draft możesz iterować dziesiątki razy za cenę kawy.

Skill generowania obrazów nie jest specyficzny dla Codex. Podłączony do endpoint /v1/images Smart AIPI działa w każdym harnessie, który potrafi wywołać HTTP — w tym w Claude Code. Dodaj go do konfiguracji Claude Code i zyskasz możliwość szybkiego generowania logo i mascots podczas sesji kodowania, czego natywnie nie ma.

Skonfiguruj to w 60 sekund

Jedna zmienna środowiskowa i jedna linia konfiguracji:

# shell
export OPENAI_BASE_URL=https://api.smartaipi.com/v1
export OPENAI_API_KEY=sk-your-smartaipi-key

# ~/.codex/config.toml
model = "gpt-5.5"
model_reasoning_effort = "low"   # domyślnie low do wykonania
model_reasoning_summary = "auto"

To pełna konfiguracja. Skills, pluginy, tryb dyktowania, viewer diffów, integracja computer-use — wszystko dalej działa. Zmienia się tylko to, komu płacisz i jak tanio.

Zacznij — $5 gratis przy rejestracji

1. Zarejestruj się na smartaipi.com/signup (darmowe $5, bez karty kredytowej)
2. Utwórz API key w panelu
3. Ustaw OPENAI_BASE_URL na https://api.smartaipi.com/v1, a OPENAI_API_KEY na nowy klucz
4. W ~/.codex/config.toml ustaw model = "gpt-5.5" oraz model_reasoning_effort = "low"
5. Zainstaluj grill-me i użyj go z xhigh reasoning do przygotowania specyfikacji kolejnego zadania

Ten sam Codex, który już znasz — dyktowanie, viewer diffów, skills, pluginy, computer-use, generowanie obrazów — działa teraz na modelu cenowym, który skaluje się z tym, co naprawdę liczysz, oraz z cache hit rate, które sprawia, że długie sesje agentowe są tanie.