Erläuterung der Nutzungsbeschränkungen für den Codex: Fünf-Stunden-Fenster, wöchentliche Obergrenzen und Credits

Die Verwendung des Codex ist nicht auf eine bestimmte Anzahl von Eingabeaufforderungen festgelegt. Für lokale Nachrichten und Cloud-Chats gilt ein Zeitfenster von fünf Stunden; darüber hinaus können zusätzliche wöchentliche Limits gelten. Wie schnell Sie dieses Kontingent aufbrauchen, hängt vom Modell, dem Repository-Kontext, der Schlussfolgerung, der Tool-Nutzung, dem Abruf und dem Caching ab.

Derselbe Plan kann bei einer gezielten Bearbeitung großzügig wirken, bei einer umfassenden Überprüfung hingegen einschränkend. Eine Aufforderung kann zu Repository-Suchen, Befehlen, Überlegungen, Änderungen und Überprüfungen führen. Fragen Sie sich, welche Arbeit jede einzelne Aufforderung auslöst, und nicht nur, wie viele Aufforderungen noch übrig sind.

Wenn das Kodierungsfenster von Bedeutung ist, GlobalGPT bietet eine praktische Möglichkeit, Aufgaben zu bearbeiten, für die kein Zugriff auf das Repository erforderlich ist. Ein Entwickler kann sich mit Codex ganz auf den Code konzentrieren und gleichzeitig andere verfügbare Modelle oder Yukies geführte Workflows für Folien, Dokumente und Bilder für Präsentationen, Briefings und multimodale Assets nutzen. So bleibt der Programmierkontext erhalten, ohne so zu tun, als würde ein Browser-Agent die Ausführung im Repository ersetzen.

Probieren Sie über 100 Top-Modelle auf GlobalGPT aus

Dieser Leitfaden unterscheidet zwischen den offiziellen Regeln und den Erkenntnissen, die wir bei vier kontrollierten Programmieraufgaben gewonnen haben. Außerdem wird darin erläutert, wie man einen Plan auswählt, unnötigen Arbeitsaufwand reduziert und entscheidet, welche Aufgaben problemlos in einen anderen Arbeitsablauf verlagert werden können.

Codex-Nutzung in einer Minute

Es gibt vier verschiedene Konzepte, die man im Blick behalten sollte. Das fünfstündige Zeitfenster ist das kurzfristige Kontingent, das für unterstützte lokale und Cloud-basierte Codex-Arbeiten gemeinsam genutzt wird. Eine wöchentliche Obergrenze ist eine längerfristige Beschränkung, die ebenfalls gelten kann. Gekaufte Credits sind eine kostenpflichtige Verlängerungsmöglichkeit für berechtigte Konten, nachdem das inbegriffene Kontingent aufgebraucht ist. API-Key-Aufrufe sind ein separates Pay-as-you-go-Produkt und sollten nicht mit einem ChatGPT-Abonnement verwechselt werden.

Was das fünfstündige Codex-Fenster tatsächlich bedeutet

Das fünfstündige Zeitfenster lässt sich am besten als gemeinsames, fortlaufendes Arbeitsbudget verstehen. Es handelt sich nicht um eine Stoppuhr, die nur läuft, während Sie tippen, und es garantiert auch nicht, dass jede Nachricht gleich viel kostet. Lokale Nachrichten und Cloud-Chats werden aus dem gemeinsamen Zeitfenster abgezogen, sodass durch den Wechsel zwischen den Arbeitsflächen kein eigenständiger Pool entsteht.

Sie starten eine Sitzung, vergeben Aufgaben und verbrauchen das gemeinsame Kontingent entsprechend dem Arbeitsaufwand. Das kurze Zeitfenster wird anschließend zurückgesetzt, doch eine wöchentliche Obergrenze kann dennoch eine Rolle spielen. “Fünf Stunden” bezieht sich auf einen Kontingentzeitraum und nicht auf fünf Stunden ununterbrochener Ausführung.

Für Plus gibt OpenAI grobe Schätzungen von etwa 15–90 lokalen Nachrichten für Sol, 20–110 für Terra und 50–280 für Luna pro Fünf-Stunden-Fenster an. Gerade die Breite dieser Spannen ist entscheidend. Sie dienen als Orientierungshilfe, stellen jedoch weder einen persönlichen Anspruch dar noch eine Vorhersage darüber, wie viele Prompts Ihr aktuelles Repository zulassen wird.

Ein einfacheres Modell eignet sich für klare, leicht überprüfbare Aufgaben; eine fundiertere Argumentation ist dann angebracht, wenn Unklarheiten, Risiken oder dateiübergreifende Konsequenzen dies rechtfertigen.

Warum zwei Codex-Eingabeaufforderungen sehr unterschiedliche Mengen an Ressourcen beanspruchen können

Die Länge der Eingabeaufforderung ist ein schwacher Prädiktor. “Überprüfe dieses Repository und behebe die wichtigen Probleme” kann zu sehr weit gefassten Aufgaben führen, da der Umfang nicht definiert ist. Eine längere Eingabeaufforderung, die die Komponente benennt, den Fehler reproduziert und den Erfolg definiert, kann die Suche eingrenzen.

Die Wahl des Modells beeinflusst den Planungshorizont

Für verschiedene Modelle gibt es unterschiedliche veröffentlichte Nutzungsschätzungen. Die praktische Entscheidung ist nicht einfach eine Abwägung zwischen Qualität und Preis, sondern zwischen erforderlicher Sorgfalt und verfügbarem Durchsatz. Verwenden Sie ein Tagesmodell für begrenzte Aufgaben mit objektiven Überprüfungen. Behalten Sie sich eine gründlichere Analyse für die Architektur, sicherheitsrelevante Änderungen, mehrdeutige Fehler und Überprüfungen vor, bei denen das Übersehen eines subtilen Problems kostspieliger ist als der Einsatz zusätzlicher Ressourcen.

Repository und Konversationskontext schaffen Arbeit

Codex kann Anweisungen lesen, den Baum untersuchen, Aufrufstellen zurückverfolgen, Tests verstehen und den Kontext erneut betrachten. In langen Gesprächen können veraltete Annahmen weiterverbreitet werden. Ein namentlich genannter fehlgeschlagener Test, ein bestimmtes Modul und klare Abgrenzungen schränken den Suchbereich ein.

Unklarheit fördert die Erkundung

Ein Agent kann direkt handeln, wenn das erwartete Verhalten klar ist und ein Fehler reproduzierbar ist. Subjektive Anforderungen, sporadisch auftretende Fehler und mehrere plausible Lösungen erfordern eine eingehendere Untersuchung. Vermeidbare Unklarheiten sollten beseitigt werden, ohne dabei notwendige Überlegungen zu unterdrücken.

Tools und Verifizierung sind nützliche Hilfsmittel

Suchen, Befehle, Tests, Linter und Diff-Prüfungen erhöhen zwar den Arbeitsaufwand, machen die Ergebnisse aber zuverlässiger. Das Überspringen von Tests kann eine kostspielige zweite Sitzung nach sich ziehen. Fordern Sie die gezielte Überprüfung an, die das Ergebnis belegt, und unterbinden Sie damit nicht relevante Untersuchungen.

Der zwischengespeicherte Input entspricht keinem Quotenprozentsatz

Codex kann zwischengespeicherte Eingabefelder melden, wenn zuvor verarbeiteter Kontext wiederverwendet wird. Diese Telemetriedaten helfen dabei, den Verlauf eines Laufs zu beschreiben, geben jedoch keinen Aufschluss darüber, wie viel Prozent Ihres Fünf-Stunden-Kontingents eingespart wurden. Es handelt sich dabei auch nicht um eine Gutschrift oder eine API-Rechnung. Betrachten Sie zwischengespeicherte Eingaben als ein Implementierungsdetail, das die Effizienz verbessern kann, und nicht als eine Einheit, die Sie in verbleibende Abonnementkapazität umrechnen können.

Diese Kriterien sind eher beschreibender als numerischer Natur. Repository-Größe, Codequalität, Klarheit der Aufgaben, verfügbare Tests und Wahl des Kodierungsmodells kann jede beliebige Aufgabe nach oben oder unten verschieben.

• Arbeiten bei niedrigerem Druck hat einen engen Kontext, ein benanntes Ziel und eine Zielprüfung.
• Arbeiten unter erhöhtem Druck verbindet umfassende Recherche, Mehrdeutigkeit, dateiübergreifende Änderungen und wiederholte Überprüfung.
• Nützliche Tool-Aufrufe sind keine Verschwendung: Tests und Abgleichprüfungen können zwar Kosten verursachen, verhindern jedoch kostspielige Nacharbeiten.

Was vier kontrollierte Repository-Aufgaben offenbarten

Wir haben vier „Frozen Tasks“ in derselben kompakten Python-Fixture ausgeführt: das Verstehen eines unbekannten Repositorys, eine Funktion für mehrere Dateien, eine Fehlerbehebung bezüglich der Sommerzeit sowie Überprüfung und Reparatur. Für jede Aufgabe wurde das erste gültige Ergebnis beibehalten. Codex meldete die Felder „input“, „cached-input“, „output“ und „reasoning-output“, was uns eine einheitliche Möglichkeit bot, die vier Durchläufe zu vergleichen, ohne dass die Telemetriedaten zu einer Abonnementrechnung wurden.

# Codex T1-T4 – Zusammenfassung des formalen Laufs

## Laufstatus

- Protokoll: 1.0.1-codex
- Ausführungsumgebung: Codex-CLI unter macOS
- CLI-Version: 0.146.0-alpha.3.1
- Modell: gpt-5.6-sol
- Aufwandsgrad der Schlussfolgerung T1–T3: mittel
- Aufwandsgrad der Schlussfolgerung T4: hoch
- Gültiger kontrollierter Batch: Versuch 3
- Menschliches Eingreifen während gültiger Aufgaben: keines
- Für Aufgaben erforderliches Netzwerk: nein
- Commit-, Push-, Deployment- oder Produktionszugriff: keiner

## Gültige Ergebnisse der ersten Ausgabe

| Aufgabe | Dauer | Zielergebnis | Eingabe-Token | Zwischengespeicherte Eingabe | Ausgabe-Token | Schlussfolgerungsausgabe |
|---|---:|---|---:|---:|---:|---:|
| T1 | 108 s | Baseline-Tests bestanden; keine Dateien geändert | 147.420 | 119.296 | 3.752 | 1.073 |
| T2 | 115 s | 7 öffentliche Tests und versteckte Merkmalsprüfungen bestanden | 228.681 | 194.560 | 3.634 | 1.219 |
| T3 | 99 s | 4 öffentliche Tests und beide versteckten DST-Prüfungen bestanden | 146.412 | 119.296 | 2.820 | 933 |
| T4 | 223 s | 2 Fehler mit Regressionstests behoben; 4 Tests bestanden | 496.865 | 419.072 | 7.517 | 3.588 |

Die Token-Felder geben die von der Codex-CLI ausgegebenen Werte wieder. Es handelt sich dabei nicht um Prozentsätze des Abonnementzeitraums, abrechnungsfähige API-Token oder Guthabenumrechnungen.

## Beibehaltene, ausgeschlossene Versuche

- Versuch 1: Infrastrukturfehler vor dem Aufruf des Modells, da die Genehmigungsoption nach dem Unterbefehl `exec` platziert wurde. Alle Ereignisdateien waren leer. Von der Modellbewertung ausgeschlossen.
- Versuch 2: Ungültige Nachweise, da die sichtbaren Ausgaben nicht ausschließlich auf Englisch waren und der isolierte T2-Runner die bereits erteilte Berechtigung des Benutzers zur Dateiänderung nicht erhalten hat. Der gesamte Batch wird beibehalten, jedoch von der Vergleichsbewertung ausgeschlossen.
- Versuch 3: neue isolierte Arbeitsbereiche und Sitzungen, vorherige Ausgaben ausgeblendet, Validierung „nur Englisch“ bestanden. Dies ist der gültige kontrollierte Batch.

## Pro Aufgabe beibehaltene Nachweise

- Vollständige sichtbare Endantwort
- Rohdaten-JSONL-Ereignisstrom
- Bereinigte CLI-Warnungen
- Start- und Endzeitstempel
- Exit-Code
- Quellcode-Diff
- Öffentliche Prüfergebnisse und Exit-Code
- Relevante versteckte Prüfergebnisse und Exit-Code
- Ausführungsdatensatz mit Modell, Aufwand, Prompt-Hash, Dauer, Nutzung und menschlichem Eingriff

Die unveränderlichen rohen Endergebnisse werden als `final.md` gespeichert. Der Text ist in Englisch verfasst, aber die von Codex generierten anklickbaren Links enthalten den chinesischen Namen des lokalen übergeordneten Verzeichnisses. Jede Aufgabe enthält daher zusätzlich die Datei `final-sanitized.md`, in der lediglich dieses maschinenspezifische absolute Präfix durch `./` ersetzt wurde und die einen strengen CJK-Scan besteht. Für öffentlich zugängliche Nachweise muss die bereinigte Anzeigeversion verwendet werden; die Rohdateien stehen weiterhin für Prüfungen zur Verfügung.

Die T5-GlobalGPT-Integration erfolgt unabhängig von der Codierungsbewertung und ist nun abgeschlossen. Siehe `results/T5/SUMMARY.md` für Nachweise zu CLI, MCP, Skill, Model-Lock, Bereitschaft und Einschränkungen.

Die Aufgabe „Überprüfung und Reparatur“ war der umfangreichste beobachtete Durchlauf: 496.865 Eingabetoken, darunter 419.072 zwischengespeicherte Eingaben, mit 7.517 Ausgabetoken und 3.588 Token für die Schlussfolgerungsausgabe. Das ist für diesen Testfall nachvollziehbar, da die Aufgabe eine umfassende Überprüfung, die Identifizierung von zwei Fehlern, Codeänderungen und eine Verifizierung erforderte. Es beweist jedoch nicht, dass die Codeüberprüfung immer die aufwendigste Aufgabenkategorie ist.

Die Antwort zum Verständnis des Repositorys war kompakt und hat keine Dateien verändert, hat aber dennoch umfangreiche Kontextinformationen verarbeitet. Die sichtbare Länge der Ausgabe ist ein schlechter Indikator für die Arbeit am Repository. Auch die Funktion und die Fehlerbehebung wurden erfolgreich abgeschlossen, wobei unterschiedliche Telemetriedaten erzeugt wurden.

Die vorsichtige Schlussfolgerung lautet, dass die Art der Aufgabe die beobachtete Aktivität erheblich beeinflusst, selbst in einem kleinen Datenbestand. Anhand der Stichprobe lässt sich weder ein verbleibender Prozentsatz noch eine allgemeingültige Rate vorhersagen.

• Die angezeigte Antwortlänge spiegelte nicht wider, wie viel Repository-Kontext verarbeitet wurde.
• Die umfangreiche Überprüfungs- und Reparaturmaßnahme führte zu den umfangreichsten Telemetriedaten in diesem Testlauf.
• Die zwischengespeicherte Eingabe zeigte eine Wiederverwendung an, jedoch keinen prozentualen Rabatt für fünf Stunden.

Fünfstündige Zurücksetzungen, wöchentliche Obergrenzen und wie es weitergeht

Ein fünfstündiger Reset und ein wöchentlicher Reset dienen der Behebung unterschiedlicher Einschränkungen. Das kurze Zeitfenster ermöglicht die Wiederherstellung des kurzfristigen Zugriffs, während die längere Beschränkung auf Kontoebene weiterhin gilt. Wenn der Zeitraum von fünf Stunden abgelaufen ist und Sie weiterhin eingeschränkt sind, sollten Sie zunächst die wöchentliche Beschränkung überprüfen, anstatt davon auszugehen, dass der Reset fehlgeschlagen ist.

OpenAI-Dokumente /status als Kontostandsanzeige in einer aktiven CLI-Sitzung. Auf der Kontoseite werden Limits, Zeitpunkte für die Zurücksetzung, Gutschriften und separate Modellguthaben angezeigt. Diese Angaben sind zeitabhängig; der Prozentsatz eines anderen Benutzers entspricht nicht Ihrer erwarteten Kapazität.

Bei einer Unterbrechung sind die Diff-Daten, der letzte Test, das verbleibende Ziel und das ungelöste Risiko zu sichern. Überprüfen Sie, welche Beschränkung aktiv ist. Setzen Sie die wichtige Arbeit am Repository nach dem entsprechenden Reset fort oder werten Sie Gutschriften aus; verschieben Sie Präsentationen, Memos und Bilder an einen anderen Ort.

• Aktuellen Status prüfen und das kurze Zeitfenster von der wöchentlichen Obergrenze zu unterscheiden.
• Eine saubere Übergabe sichern mit dem verifizierten Status, dem nächsten Schritt und den noch ausstehenden Prüfungen.
• Nicht zum Thema gehörende Aufgaben verschieben das kein Repository benötigt.
• Lebenslauf mit einem Ziel nach dem entsprechenden Reset.
• Kaufen Sie Credits mit Bedacht Nur wenn die Fertigstellung jetzt die Ausgaben rechtfertigt.

Und außerdem: $100 oder $200 – welcher Tarif passt am besten zu Ihrer Arbeit?

Für Einzelnutzer beginnt das aktuelle Angebot mit dem „Plus“-Tarif bei $20 pro Monat. OpenAI listet außerdem die Tarife „5x“ und „20x“ für Nutzer mit höherem Verbrauch auf, die bei $100 bzw. $200 pro Monat liegen. Diese Preise beziehen sich auf Abonnementstufen; die Bezeichnungen garantieren nicht das Fünffache oder Zwanzigfache einer bestimmten Nachrichtenanzahl und sollten nicht in API-Token-Raten umgerechnet werden.

Wählen Sie anhand tatsächlich beobachteter Unterbrechungen und nicht anhand hypothetischer Prompt-Zahlen. Beginnen Sie mit der niedrigsten Stufe, die Ihre normale Arbeit am Repository unterstützt. Verfolgen Sie, wie oft ein Limit wertvolle Fortschritte verhindert, ob diese Sitzungen gut abgegrenzt sind und wie viel Zeit des Zeitfensters für Aufgaben aufgewendet wird, die auch anderswo erledigt werden könnten. Eine höhere Stufe lässt sich leichter rechtfertigen, wenn Agent-Läufe Teil des Arbeitstages sind und Unterbrechungen mehr kosten als die Preisdifferenz.

Eine höhere Pauschale löst das Problem eines ausufernden Arbeitsablaufs nicht. Optimieren Sie zunächst die Aufgabenabgrenzungen; sollte selbst gut organisierte technische Arbeit dennoch an ihre Grenzen stoßen, lässt sich eine höhere Nutzungsstufe leichter rechtfertigen.

Guthaben und API-Abrechnung sind nicht dasselbe

Das im Abonnement enthaltene Kontingent, gekaufte Credits und die Abrechnung über API-Schlüssel sind drei verschiedene Abrechnungsmodelle. Berechtigte Plus- und Pro-Nutzer können Credits erwerben, sobald das im Abonnement enthaltene Kontingent aufgebraucht ist, wobei zunächst das im Abonnement enthaltene Kontingent verbraucht wird. Gekaufte Credits stellen ein bezahltes Guthaben dar und sind kein größeres kostenloses Kontingent. Gemäß OpenAI bleiben gekaufte Credits 12 Monate lang gültig und sind grundsätzlich nicht erstattungsfähig und nicht übertragbar, vorbehaltlich gesetzlicher Ausnahmen.

Aus diesem Grund sollten die Token-Felder aus unseren Abonnementtests auch nicht in einen API-Rechner eingegeben und als echte Rechnung dargestellt werden. Bei den Tests wurde kein API-Kauf getätigt, und der Artikel verwendet keine unbestätigten aktuellen Token-Preise. Wenn Sie einen API-Schlüssel verwenden, schätzen Sie die Kosten für diese Route anhand der aktuellen offiziellen API-Preise und Ihrer tatsächlichen API-Telemetriedaten – unabhängig vom Consumer-Tarif.

Ein Quoten sparender Arbeitsablauf, der die Codequalität nicht beeinträchtigt

Das Ziel besteht nicht darin, Codex weniger nützliche Arbeit verrichten zu lassen. Vielmehr geht es darum, erneutes Erkunden, Abweichungen vom Zielbereich und nicht aufeinander abgestimmte Aufgaben zu vermeiden und gleichzeitig die Verifizierung beizubehalten, die dafür sorgt, dass die Ergebnisse eines Agenten sicher genutzt werden können.

Vor dem Lauf: Lege ein Ziel fest

Geben Sie das Merkmal oder den Fehler, den betroffenen Bereich, die einzuhaltenden Einschränkungen sowie die Prüfungen an, die die Fertigstellung nachweisen. Fügen Sie einen fehlgeschlagenen Befehl oder eine benannte Datei hinzu, sofern Ihnen diese bekannt sind. Entfernen Sie veraltete Protokolle und irrelevante Anweisungen. Wählen Sie das einfachste Modell, mit dem sich die Mehrdeutigkeit und das Risiko sicher bewältigen lassen.

Implementieren Sie [einzelnes Ergebnis] im [Anwendungsbereich]. Beachten Sie dabei [Einschränkung]. Als Erfolg gilt: [Tests/Prüfungen]. Überprüfen Sie nur die erforderlichen zusätzlichen Dateien, führen Sie die entsprechenden Verifizierungen durch und melden Sie geänderte Dateien, Ergebnisse und verbleibende Risiken.

Während des Laufs: Den Fokus bewahren, keine Abkürzungen nehmen

Codex soll genügend Kontext analysieren und sinnvolle Tests durchführen. Greifen Sie ein, wenn sich die Aufgabe auf nicht relevante Bereinigungsarbeiten ausweitet, ein fehlgeschlagener Ansatz ohne neue Erkenntnisse wiederholt wird oder eine für die Korrektheit erforderliche Produktentscheidung fehlt.

Nach dem Lauf: den wiederverwendbaren Zustand beibehalten

Überprüfen Sie den Diff und die Tests und speichern Sie anschließend, was geändert wurde, was bestanden hat, was noch übrig ist und was einer manuellen Überprüfung bedarf. Beginnen Sie mit anderen Aufgaben in einem neuen Kontext. Ein gespeicherter Zustand erspart Ihnen nach einem Reset das erneute Auffinden der Informationen.

Fahren Sie von diesem verifizierten Zustand aus fort: [Zusammenfassung]. Das nächste Ziel ist [ein Schritt]. Überprüfen Sie den aktuellen Diff und die entsprechenden Tests noch einmal, bevor Sie Änderungen vornehmen. Weichen Sie bei der Aufgabe nicht über den [Umfang] hinaus ab.

Kurzer heißt nicht automatisch billiger. Eine kryptische Vorgabe kann zu mehr Erkundung führen als ein detaillierter, aber eng gefasster Auftrag. Die effizienteste Vorgabe liefert genügend Anhaltspunkte, um richtig zu beginnen, und genügend Akzeptanzkriterien, um den Prozess zu beenden.

Welches Werk gehört in den Codex – und welches Werk kann an einen anderen Ort verlegt werden?

Verwenden Sie Codex, wenn die Aufgabe vom Zustand des Repositorys abhängt: Analyse unbekannter Codebasen, Implementierungen über mehrere Dateien, Debugging, Tests, Code-Reviews und Änderungen, für die ein Diff erforderlich ist. Diese Arbeitsabläufe profitieren vom Dateizugriff, der Ausführung über das Terminal und der Überprüfung in derselben Umgebung.

Arbeiten verschieben, wenn das Repository nicht Teil des Problems ist. Erstellung von Präsentationen, strukturierte Dokumente, Zusammenfassungen, Bildgestaltung, und einige Forschungsaufgaben In der Regel benötigen sie eher Eingaben und ein klares Ausgabeformat als Shell-Zugriff. Durch die Weiterleitung an eine andere Stelle bleibt das Programmierfenster erhalten, und der Benutzer erhält oft eine direktere Benutzeroberfläche.

GlobalGPT passt hier als multimodeller, multimodaler Arbeitsbereich. Es kann Texte, Recherchen, Bilder, Audio- und Videodateien über Modelle oder geführte Workflows leiten, die für das Endergebnis ausgewählt wurden. Dies erweitert die Arbeitsumgebung; es werden jedoch weder die Bearbeitung des Repositorys noch die Terminalsteuerung oder alle nativen Codex-Funktionen nachgebildet. Behalten Sie die Codebasis im Coding-Agent bei und verlagern Sie nur die Aufgaben, die diesen sicher verlassen können. Wenn ein zweites Modell innerhalb des Coding-Hosts nützlich ist, dann GlobalGPT-Befehlszeilenschnittstelle ist der entsprechende Integrationsweg.

Was wir aus drei angeleiteten Yukie-Aufgaben gelernt haben

Wir haben drei Browser-Workflows anhand des ersten gültigen Ergebnisses getestet und eine ungenügende Ausgabe nicht noch einmal zur Kontrolle ausgeführt. Die nachstehenden Zahlen beziehen sich auf die Erfüllung festgelegter Kriterien; es handelt sich dabei nicht um allgemeine Bewertungen der Produktqualität.

Folien: klare Vorgaben, ein noch nicht verifiziertes Ergebnis

Der Slides-Workflow bot einen eigenen Eintrag, eine Auswahl des Verwendungszwecks, eine bearbeitbare Gliederung mit fünf Folien, sechs benannte Vorlagen, eine Vorschau, einen Versionsverlauf, eine Kennzeichnung des Qualitätsstatus sowie einen Exportpfad. Damit wurden fünf der sechs festgelegten Kriterien erfüllt. Referentenanmerkungen waren vorgesehen, konnten jedoch in der endgültigen Präsentation oder Benutzeroberfläche nicht überprüft werden, sodass das Ergebnis als „teilweise bestanden“ gewertet wurde.

Y1 · Yukie-Browser-Test

Geführte Präsentation mit fünf Folien

5/6Teilweise bestanden

• ✓Auswahl des Eintrags und des Verwendungszwecks in „Dedicated Slides“
• ✓Genau fünf Folien und eine bearbeitbare Gliederung
• ✓Sechs benannte Vorlagen; „Minimal Tech“ verwendet
• ✓Die beantragte Struktur ist im Wesentlichen abgedeckt
• ×Vortragsnotizen sind nachweislich vorhanden
• ✓Vorschau, Versionsverlauf und Exportpfad

Es wurden Redneranmerkungen angefordert, diese konnten jedoch in der endgültigen Präsentation oder Benutzeroberfläche nicht überprüft werden.

Sichtbarer Verbrauch: 55,31 Credits in dieser Runde. Hierbei handelt es sich nicht um eine Währungsumrechnung.

Genaue, eingefrorene Eingabeaufforderung anzeigen

Erstellen Sie eine Präsentation mit fünf Folien für unabhängige Entwickler mit dem Titel “Schneller auf den Markt kommen, ohne auszubrennen”. Die Zielgruppe sind Einzelentwickler, die KI-Produkte entwickeln. Verwenden Sie einen klaren, dunklen Tech-Stil. Beziehen Sie Folgendes ein: 1) Titel und Versprechen, 2) die drei größten Engpässe im Arbeitsablauf, 3) ein praktisches wöchentliches Arbeitssystem, 4) einen einfachen Vorher-Nachher-Vergleich und 5) einen prägnanten Aufruf zum Handeln. Gestalten Sie jede Folie übersichtlich, verwenden Sie konkrete Formulierungen und fügen Sie Referentenhinweise hinzu.

Ausgabedaten anzeigen

 — Geführte Präsentation mit fünf Folien

### Workflow-Nachweis

- Yukie stellte einen speziellen Einstiegspunkt „Slides /ppt“ bereit.
- Es analysierte den angeforderten Titel, die Zielgruppe und die Anzahl von fünf Folien.
- Es bot verschiedene Zielzwecke zur Auswahl an: Überzeugen, Informieren, Aufklären und Inspirieren. „Aufklären“ wurde ausgewählt.
- Vor der Darstellung wurde eine bearbeitbare Gliederung mit fünf Folien erstellt.
- Es wurden sechs benannte Vorlagen angeboten: „Professional“, „Consulting“, „Startup Pitch“, „Data Report“, „Education“ und „Minimal Tech“.
- „Minimal Tech“ wurde empfohlen und verwendet.

### Erste gültige Ausgabe

Die generierte Präsentation enthielt genau fünf Folien:

1. Schneller ausliefern, ohne auszubrennen
2. Die drei stillen Killer der Velocity
3. Ihr wöchentlicher Release-Rhythmus
4. Transformieren Sie Ihren Workflow: Vorher vs. Nachher
5. Beginnen Sie noch heute mit nachhaltiger Auslieferung

Die abschließende Benutzeroberfläche zeigte „3/3 abgeschlossen“, „5 Folien · Minimal Tech · 16:9“, Vorschau, Versionshistorie, „Qualitätsbericht bestanden“ sowie eine Exportfunktion an.

### Einschränkungen

- Die Eingabeaufforderung forderte ausdrücklich Redneranmerkungen an. Das endgültige DOM und die sichtbare Vorschau zeigten weder überprüfbare Redneranmerkungen noch eine Meldung, dass keine Anmerkungen verfügbar waren. Dieses Kriterium bleibt daher unüberprüft und verhindert eine vollständige Erfüllung.
- Der sichtbare interne Denkprozessinhalt war eine Mischung aus Chinesisch und Englisch, obwohl Englisch ausgewählt worden war. Der überprüfte öffentliche Folieninhalt war in Englisch.
- Die benutzeroberflächeneigene Beschriftung „Qualitätsbericht bestanden“ ist ein Signal zum Produktstatus und keine unabhängige redaktionelle Bewertung.

### Nachweis

- Veröffentlichtes Nachweisbild: `https://static.futureshareai.com/glb_features/Y1-slides-status-v2.webp`
- Die endgültige Live-Seite wurde in Chrome als Ergebnis gespeichert.

Der Vorteil lag in einem übersichtlicheren Präsentationsablauf, nicht in der Behauptung, dass der Codierungsagent besser argumentieren würde. Der Benutzer wählte nach wie vor einen Zweck und eine Vorlage aus, und die Ergebnisse mussten weiterhin überprüft werden.

Dokument: Die Aufgabe mit dem saubersten Routing

Der Dokumenten-Workflow eignete sich am besten für die Verlagerung von Arbeitsschritten außerhalb von Codex. Er lieferte die gewünschten vier Aufgabentypen – Wert, Risiko, Nachweis und Leitlinien für die manuelle Überprüfung –, gekennzeichnete Annahmen, eine Entscheidungscheckliste sowie sichtbare Steuerelemente zum Herunterladen, Öffnen, Exportieren und zur Versionshistorie.

Y2 · Yukie-Browser-Test

Forschungsbericht zu strukturierten Codierungsagenten

6/6Weiter

• ✓Spezieller Dokumenten-Workflow
• ✓Alle vier angeforderten Aufgabentypen
• ✓Leitlinien zu Nutzen, Risiko, Evidenz und menschlicher Überprüfung
• ✓Markierte Annahmen
• ✓Entscheidungscheckliste enthalten
• ✓Herunterladen, Öffnen, Exportieren und Versionsverlauf

Alle festgelegten Erfolgskriterien wurden im ersten gültigen Ergebnis erfüllt.

Sichtbarer Verbrauch: 55,31 Credits angezeigt. Hierbei handelt es sich nicht um eine Währungsumrechnung.

Genaue, eingefrorene Eingabeaufforderung anzeigen

Erstellen Sie einen prägnanten Forschungsüberblick mit dem Titel “Wann sollte ein Einzelentwickler einen Coding-Agenten einsetzen?” Der Leser ist ein unabhängiger Entwickler mit begrenzter Zeit und begrenztem Budget. Vergleichen Sie vier Aufgabentypen: Analyse eines unbekannten Repositorys, Entwicklung von Funktionen, die mehrere Dateien betreffen, Fehlerbehebung und Code-Review. Erläutern Sie für jeden Aufgabentyp den erwarteten Nutzen, das Hauptrisiko, welche Nachweise der Nutzer einfordern sollte und wann eine Überprüfung durch einen Menschen unerlässlich ist. Schließen Sie mit einer Entscheidungscheckliste ab. Kennzeichnen Sie alle Annahmen deutlich und erfinden Sie keine Statistiken oder Quellen.

Ausgabedaten anzeigen

 — Strukturiertes Forschungsdokument

### Workflow-Nachweis

- Yukie stellte einen speziellen Einstiegspunkt „Dokument /doc“ bereit.
- Es führte eine automatische Recherche-/Suchphase durch und legte eine Gliederung zur Bestätigung vor.
- Der Workflow erforderte eine Generierungsbestätigung, bevor das Dokument erstellt wurde.

### Erste gültige Ausgabe

Das Dokument enthielt:

- Annahmen
- Zusammenfassende Empfehlung
- Einen Aufgabenvergleich, der die Analyse unbekannter Repositorys, die Arbeit an Funktionen mit mehreren Dateien, die Fehlerbehebung und die Codeüberprüfung umfasste
- Erwarteter Wert, Hauptrisiko, einzuholende Nachweise und Leitlinien zur manuellen Überprüfung für jede Aufgabe
- Leitlinien zum Einsatz eines Codierungsagenten ohne Kostenüberschreitung
- Eine Entscheidungscheckliste
- Einen Abschnitt „Fazit“

Die endgültige Benutzeroberfläche zeigte die Funktionen „Herunterladen“, „Öffnen“, „Exportieren“, „Versionsverlauf“ sowie eine Freigabesteuerung im schreibgeschützten Modus an. Die Freigabe blieb deaktiviert.

### Einschränkungen

- Das Dokument erforderte vor der Erstellung einen Bestätigungs-Klick, sodass der Workflow eher angeleitet war als vollständig unbeaufsichtigt in einem Durchgang ablief.
- In der überprüften Ausgabe wurden keine nicht belegten numerischen Angaben festgestellt.

### Nachweis

- Veröffentlichtes Bild des Nachweises: `https://static.futureshareai.com/glb_features/Y2-document-result.webp`
- Die endgültige Live-Seite wurde in Chrome als Ergebnisdatei gespeichert.

Ein Briefing, das das Verhalten des Repositorys zitieren muss, benötigt dennoch Belege aus dem Repository. Ein eigenständiges Memo, das auf den vorgegebenen Anforderungen basiert, kann die vorgegebene Gliederung und den Exportablauf nutzen, ohne das Programmierfenster zu beanspruchen.

Bild und Bildunterschrift: Das Bild wurde übertragen, das Datenpaket jedoch nicht

Der Bild-Workflow empfahl ein Bildmodell und stellte formatspezifische Steuerelemente bereit. Das erste gültige quadratische Ergebnis verwendete den gewünschten marineblauen Hintergrund, den cyanfarbenen Akzent, das 60:00-Timer-Motiv und die exakte Überschrift. Da die erforderliche Bildunterschrift mit 60–90 Wörtern sowie der Aufruf zum Handeln fehlten, erfüllte die kombinierte Aufgabe fünf von sechs Kriterien.

Y3 · Yukie-Browser-Test

FocusDock – quadratisches Bild und passende Bildunterschrift

5/6Teilweiser Fehlschlag

• ✓Spezieller Bild-Workflow und bearbeitbare Eingabeaufforderung
• ✓Quadratische 1:1-Darstellung
• ✓Marineblau, Cyan, Timer und genaue Überschrift
• ×Erforderliche Bildunterschrift mit 60–90 Wörtern
• ✓Keine Behauptung eines echten Kunden und keine erfundene Statistik
• ✓Sichtbarer Einstellpfad

Das Bild entsprach den visuellen Anforderungen, aber die geforderte Bildunterschrift mit 60–90 Wörtern und der Aufruf zum Handeln wurden nicht geliefert.

Sichtbarer Verbrauch: Vor der Generierung werden 320 Credits angezeigt. Hierbei handelt es sich nicht um eine Währungsumrechnung.

Genaue, eingefrorene Eingabeaufforderung anzeigen

Entwerfen Sie ein quadratisches Social-Media-Bild und eine passende Bildunterschrift für eine fiktive Produktivitäts-App namens “FocusDock”. Das Bild sollte einen marineblauen Hintergrund, eine Akzentfarbe in Cyan, ein einfaches Timer-Motiv und die Überschrift “Eine Aufgabe. Eine Stunde. Erledigt.” enthalten. Der Begleittext sollte 60–90 Wörter umfassen, sich an unabhängige Entwickler richten und einen klaren Aufruf zum Handeln enthalten. Verwenden Sie keine Markenzeichen, echte Kundenaussagen oder erfundene Leistungsstatistiken.

Ausgabedaten anzeigen

 — Multimodales soziales Asset

### Workflow-Nachweis

- Yukie stellte einen speziellen Einstiegspunkt „Image /paint“ bereit.
- Es formulierte die Anfrage in eine bearbeitbare Eingabeaufforderung zur Bildgenerierung um.
- Es empfahl GPT Image 2 für die Typografie.
- Vor der Generierung wurden das Modell und die Parameterangaben angezeigt: GPT Image 2, 1:1, 2K und 320 Credits.

### Erste gültige Ausgabe

Das generierte quadratische Bild enthielt sichtbar:

- Einen marineblauen Hintergrund
- Einen cyanfarbenen Akzent
- Ein Timer-Motiv mit der Anzeige „60:00“
- Die exakte Überschrift „One Task. One Hour. Done.“
- Keine offensichtlichen Behauptungen echter Kunden oder erfundene Leistungsstatistiken

Die endgültige Benutzeroberfläche zeigte die Steuerelemente „Video aus diesem Bild generieren“ und „Bild anpassen“ an.

### Fehler beibehalten

In der endgültigen Ausgabe der Aufgabe wurde keine passende Bildunterschrift mit 60–90 Wörtern geliefert. Der einzige Text im endgültigen DOM, der sich auf eine Bildunterschrift bezog, war die ursprüngliche Anfrage des Nutzers. Es wurde keine korrigierende Nachlieferung eingereicht, da eine Nachlieferung einen manuellen Eingriff darstellen würde und weder das erste gültige Ergebnis noch dessen Fehler ersetzen würde.

### Nachweis

- Veröffentlichtes Nachweisbild: `https://static.futureshareai.com/glb_features/Y3-image-result.webp`
- Die endgültige Live-Seite wurde in Chrome als Ergebnis gespeichert.

Insgesamt lassen die drei Tests eine eingeschränkte Schlussfolgerung zu: Geführte Eingaben können den Aufwand bei der Einrichtung von nicht-code-basierten Ergebnissen verringern, doch die Anleitung beseitigt nicht die Notwendigkeit, jedes angeforderte Ergebnis zu überprüfen. Sie sprechen nicht dafür, Yukie unbegrenzt zu nutzen, angezeigte Gutschriften in Geld umzuwandeln oder das System als Ersatz für Repository-Engineering zu betrachten.

Eine praktische Checkliste für Entscheidungen zur Anwendung des Kodex

1. Sind für die Aufgabe das Repository, die Shell, der Diff oder die Tests erforderlich? Falls ja, bewahren Sie es in Codex oder einem anderen Programmierwerkzeug auf.
2. Ist die Zielfunktion beschränkt? Legen Sie vor Beginn eines Langstreckenlaufs ein Ziel fest und die Kontrollpunkte, die den Erfolg belegen.
3. Erfordert die Aufgabe die fundierteste Argumentation? Verwenden Sie ein schlankeres Modell, sofern das Risiko und die Ungewissheit dies zulassen.
4. Welches Limit ist aktiv? Trennen Sie das Fünf-Stunden-Fenster, die wöchentliche Obergrenze, die Gutschriften und die API-Abrechnung voneinander.
5. Kann das Werk die Programmierumgebung sicher verlassen? Leiten Sie Präsentationen, eigenständige Dokumente, Medien und andere Aufgaben, die nicht in das Repository gehören, an ein geeignetes Modell oder einen geführten Workflow weiter.

Führen Sie ein Upgrade durch, wenn gut abgegrenzte Repository-Arbeiten durchweg einen Mehrwert bieten und die Kosten für Unterbrechungen die Planabweichung übersteigen. Ändern Sie zunächst den Arbeitsablauf, wenn Zeit für eine umfassende Neuausrichtung, nicht zum Projekt gehörende Leistungen oder wiederholte Klärungen aufgewendet wird, die bereits vor dem Durchlauf hätten geklärt werden können.

Häufig gestellte Fragen zur Verwendung des Codex

Wird Codex alle fünf Stunden zurückgesetzt?

Das gemeinsame Kurzzeitfenster wird im Fünf-Stunden-Rhythmus zurückgesetzt, es können jedoch weiterhin zusätzliche wöchentliche Beschränkungen gelten. Eine Rücksetzung im Fünf-Stunden-Rhythmus garantiert daher nicht, dass alle Kontosperren aufgehoben werden.

Wie viele Codex-Aufgaben bekomme ich?

Es gibt keine einheitliche, verlässliche Angabe zur Anzahl der Prompts. OpenAI veröffentlicht grobe Schätzungen nach Modell, während der tatsächliche Verbrauch je nach Kontext, Argumentation, verwendeten Tools, Datenabruf, Caching und Komplexität der Aufgabe variiert.

Warum kann ich nach fünf Stunden immer noch eingeschränkt sein?

Möglicherweise gilt eine zusätzliche wöchentliche Obergrenze. Überprüfen Sie die aktuelle Kontonutzungsübersicht oder die dokumentierten Angaben zum Kontingent in einer aktiven Sitzung, anstatt sich allein auf die kurzfristige Zurücksetzung zu verlassen.

Wie kann ich die Codex-Nutzung in der CLI überprüfen?

OpenAI-Dokumente /status zum Abrufen von Informationen zu den Kontingenten in einer aktiven Codex-CLI-Sitzung. Die angezeigten Informationen hängen von der aktuellen Authentifizierung und dem aktuellen Kontostatus ab.

Sind die Gebühren für die Codex-API im Plus-Tarif oder in den Tarifen für höhere Nutzungsvolumina enthalten?

Nein. Die Nutzung des API-Schlüssels wird getrennt vom Kontingent des Verbraucherabonnements abgerechnet.

Kann ich weitere Codex-Nutzungsrechte erwerben?

Berechtigte Nutzer können Guthaben erwerben, sobald das im Paket enthaltene Kontingent aufgebraucht ist. Informieren Sie sich vor dem Kauf auf der Seite „Aktuelles Konto“ über die Verfügbarkeit und die Bedingungen.

Zeigen die zwischengespeicherten Eingabetoken an, wie viel meines Abonnementkontingents ich eingespart habe?

Nein. Die „Cached-Input“-Telemetrie liefert keine zuverlässige Umrechnung in einen Fünf-Stunden-Prozentsatz, einen Wochenprozentsatz, einen Gutschriftsbetrag oder eine API-Rechnung.

Ist Yukie unbegrenzt?

Wir haben keine zuverlässigen Belege gefunden, die diese Behauptung stützen. Betrachten Sie Yukie als eine empfohlene Option für geeignete Aufgaben außerhalb des Repositorys, nicht als einen verifizierten, uneingeschränkten Ersatz für die Programmierung.

Die offiziellen Grenzwerte, Preise und Zahlungsbedingungen wurden am 29. Juli 2026 überprüft. Da sich diese ändern können, sollten Sie vor einer Kaufentscheidung die aktuellen OpenAI-Seiten überprüfen.

Speichern Sie Ihre Repository-Arbeiten in Codex. Für die nächste Präsentation, den nächsten Forschungsbericht oder ein multimodales Asset, für das Ihre Codebasis nicht benötigt wird, offen GlobalGPT und wählen Sie das Modell oder den für diesen Auftrag erstellten, von Yukie gesteuerten Workflow aus.