Codex-Kostenoptimierung in der Praxis: Wie man Tokens spart, ohne den Kopf auszuschalten

Die gleiche Aufgabe, aber das Kontingent ist viel schneller weg als erwartet. Ein langer Thread liest den Kontext den ganzen Tag immer wieder. multi_agent ist standardmäßig an. AGENTS.md ist mehrere tausend Zeilen lang. Selbst kleine Arbeiten laufen mit dem teuersten Modell. Wenn du wissen willst, wo das Geld verschwindet und wie du es systematisch senkst, ist das hier die klare Einordnung.

1. Wo das Geld hingeht: Wie die Abrechnung funktioniert

Die Codex-Kosten entstehen aus vier Quellen: wiederholtes Lesen von Kontext, lange Sessions, parallele Subtasks und hohe Reasoning-Stufen. Das Grundprinzip ist die token/credit-Abrechnung: Jeder Block aus input, cached input und output verbraucht das entsprechende Credit-Kontingent. Unterschiedliche Token-Typen haben unterschiedliche Raten. Cached input ist günstiger als normales input, und genau deshalb kann Prompt-Caching Geld sparen. Die genauen Raten liefert die offizielle Rate Card.

Codex arbeitet mit einem Rolling Window statt mit einem einfachen Monatslimit. Wenn das Fenster voll ist, greifen Rate Limits. Plus und Pro haben rate-limit reset banking, und das Fenster erholt sich nach Ablauf. API-Keys werden separat pro Token abgerechnet und sind nicht an das Codex-Planlimit gebunden.

Wenn du die Nutzung sehen willst, prüfe /status für die aktuelle Session oder öffne im Codex-Settings das Usage Dashboard für die Teamnutzung.

Das wiederholte Lesen von Kontext ist die leichteste Kostenquelle zum Übersehen. Bei jedem Task liest Codex AGENTS.md, die Projektdoku und die Thread-Historie erneut. Wenn AGENTS.md mehrere tausend Zeilen hat, die Projektdoku riesig ist und ein Thread über viele Runden läuft, summieren sich die Tokens. Lange Sessions sind kumulativ: Je länger der Thread und je mehr er liest, desto teurer wird es. Bei multi_agent zahlt jeder aktive Agent sein eigenes Kontingent, also steigt die Kostenlast mit der Parallelität. Höhere Modelle wie GPT-5.5/5.4 sind teurer als GPT-5.4 mini, und auch die Reasoning-Stufen Low/Medium/High/Extra High beeinflussen die Kosten.

So lassen sich die Maßnahmen nach Nutzen und Nachteil vergleichen:

Sparmaßnahme	Erwarteter Effekt	Nachteil
Günstigeres Modell wählen	30-60% weniger Verbrauch	Weniger Reasoning; schwächer bei komplexen Aufgaben
Kontext rechtzeitig leeren	20-40% weniger Verbrauch	Häufigere neue Threads; Historie geht verloren
AGENTS.md kürzen	10-20% weniger Verbrauch	Mehr Dokumentensplitting; höherer Pflegeaufwand
Prompt-Cache nutzen	15-30% weniger Verbrauch	Kontext muss stabil bleiben
multi_agent reduzieren	20-50% weniger Verbrauch	Weniger Parallelität; langsamere Ausführung

Geld sparen heißt nicht, geizig zu werden. Ein günstigeres Modell kann 30-60% sparen, aber komplexe Aufgaben können leiden. Rechtzeitiges Leeren kann 20-40% sparen, aber dafür braucht man öfter neue Threads. Ein schlankes AGENTS.md spart 10-20%, verschiebt aber Aufwand in die Doku-Struktur. Entscheidend ist die reale Aufgabe. Opfere keine Kernfähigkeit, nur um ein bisschen Geld zu sparen.

Nutzung überwachen

Mit /status in der Konsole siehst du den aktuellen Thread-Status, inklusive Kontextgröße und genutztem Kontingent. Im Usage Dashboard in den Codex-Einstellungen siehst du Teamverbrauch und Fensterstatus. Halte die Nutzung regelmäßig fest, um die Wirkung der Maßnahmen zu vergleichen.

2. Modell- und Reasoning-Stufen: Nicht immer das Teuerste

Die Modellwahl beeinflusst die Kosten direkt. Codex bietet vier Reasoning-Stufen: Low, Medium, High und Extra High. Low ist schnell und eng gefasst, gut für einfache Aufgaben. Medium und High eignen sich für komplexere oder debug-lastige Arbeit. Extra High ist für lange agentic Aufgaben. Auf Modellseite sind GPT-5.5 und GPT-5.4 die Frontier-Modelle, GPT-5.4 mini ist die leichtere Variante; 5.3-Codex und 5.2 sind bereits veraltet.

Die Grundregel ist simpel: Frontier-Modelle fürs Denken, mini für Routinearbeiten. Die Reasoning-Stufe nach Schwierigkeit wählen. Nicht standardmäßig die teuerste Kombination nehmen. Dauerhaft die höchste Stufe zu nutzen, verbrennt Kontingent, ohne bei einfachen Aufgaben zwingend mehr zu bringen.

Die Zuordnung:

Aufgabentyp	Empfohlene Reasoning-Stufe	Typisches Szenario
Einfache Suche, Formatierung	Low	Dokumentformatierung, kleine Bugfixes
Refactoring, Feature-Work	Medium	Einzelfile-Refactor, API-Integration
Debugging, komplexe Logik	High	Fehler über mehrere Dateien, Performance-Tuning
Lange agentic Aufgaben	Extra High	Mehrstufige Automatisierung, explorative Entwicklung

Für einfache Abfragen und Formatkonvertierung Low + mini nutzen. Für Refactoring und Feature-Work Medium + mini oder Medium + GPT-5.4. Für Debugging und komplexe Logik High + GPT-5.4/5.5. Für lange agentic Aufgaben Extra High + GPT-5.5. Nach echter Schwierigkeit auswählen, nicht nach Sicherheitsgefühl. Zu teuer aus Vorsicht ist teuer.

FAQ: Wie wähle ich ein günstigeres Modell?

Für Denkaufgaben Frontier-Modelle (GPT-5.5/5.4), für Kleinkram mini (GPT-5.4 mini). Die Reasoning-Stufe an die Aufgabe anpassen. Einfache Suche: Low. Komplexes Debugging: High. Lange agentic Arbeit: Extra High.

3. Session-Management: Nicht einen Thread den ganzen Tag laufen lassen

Eine lange Session kann den ganzen Tag laufen und ständig Kontext neu lesen. Tokens gehen schnell weg. Codex liest bei jedem Lauf den Thread erneut, und je länger der Thread und je mehr er liest, desto stärker wächst die Kostenlast. Die Lösung ist einfach: Sessions kurz halten. Ein Thread, eine Aufgabe.

Konkret heißt das: AGENTS.md ist mehrere tausend Zeilen lang, die Projektdoku riesig, und die Runde wiederholt sich dutzendfach. Ein einzelnes erneutes Lesen kostet nur ein paar Tokens, aber Dutzende Runden werden zu Zehntausenden. Je länger der Thread, desto eher gerät Codex durcheinander und desto schlechter wird das Ergebnis.

Befehl	Zweck	Wann verwenden
/compact	Frühen Kontext komprimieren	Wenn ein Thread lang wird (Codex kompaktiert auch automatisch)
/clear	Den aktuellen Thread löschen	Wenn die Aufgabe erledigt ist
/resume	Einen früheren Thread fortsetzen	Wenn du eine alte Aufgabe weiterführen musst
/fork	Einen Thread verzweigen	Wenn Exploration in Zweigen nötig ist
/agent	Zu einem Parallel-Agent wechseln	Wenn multi_agent gebraucht wird
/status	Thread-Status prüfen	Wenn du Nutzung überwachen willst

Best Practices für Sessions

Wenn eine Aufgabe fertig ist, sofort /clear verwenden oder einen neuen Thread öffnen, damit sich kein Kontext aufstaut. In langen Sessions /compact nutzen, um den frühen Kontext zu schrumpfen und Tokens zu sparen. /resume nur dann nutzen, wenn du wirklich die vorherige Aufgabe fortsetzen musst. Bugfix, Feature, Refactor und Deployment nicht in denselben Thread stopfen. Das macht den Kontext unruhig und verschwendet Tokens. Für Verzweigungen ist /fork da, aber bedenke: Jede Verzweigung verbraucht eigenes Kontingent.

FAQ: Wie verwalte ich lange Sessions?

Nach der Aufgabe /clear oder einen neuen Thread. In der Mitte langer Sessions /compact. Ein Thread, eine Aufgabe.

4. AGENTS.md trimmen: Die 32-KiB-Grenze vermeiden

AGENTS.md wächst schnell auf mehrere tausend Zeilen und frisst damit Kontext. Außerdem kann es Trunkierung auslösen. project_doc_max_bytes ist standardmäßig 32 KiB. Wenn AGENTS.md diese Grenze erreicht, stoppt das System und schneidet Inhalte ab. Dabei gehen Anweisungen verloren und Kontext wird verschwendet.

So kann man die Größe einschätzen:

AGENTS.md-Größe	Wirkung	Lösung
< 16 KiB	Kein spürbarer Effekt; geringer Kontextverbrauch	So lassen
16-32 KiB	Mittlere Last; beobachten	Nicht-kernige Inhalte splitten
> 32 KiB	Trunkierungsrisiko; Anweisungen gehen verloren	In verschachtelte Ordner aufteilen

Schritte zum Trimmen von AGENTS.md

Ein AGENTS.md sollte schlank und stabil innerhalb von 32 KiB bleiben und nur die Kernanweisungen enthalten. Wenn du über das Limit musst, packe zusätzliche Regeln in verschachtelte Ordner wie docs/.agents und halte Details in aufgabenspezifischen .md-Dateien. Nutze die lokale Überschreibung, damit die näher liegende AGENTS.md in einem Unterordner die globale Konfiguration überdeckt.

Eine ausführlichere Anleitung findest du unter AGENTS.md Best Practices.

---

5. Prompt Cache: Stabiles Kontextmaterial günstiger machen

Cached input ist günstiger als normales input, und genau deshalb lohnt sich Prompt-Caching. Wenn der Kontext stabil ist, kann Codex ihn zu cached-input-Raten abrechnen. Halte AGENTS.md und Projektdokumente stabil, damit der Cache voll greift.

Der Mechanismus ist einfach: Codex speichert stabile Kontextblöcke wie AGENTS.md und Projektdokumente. Beim nächsten Lauf werden diese als cached input abgerechnet. Wenn du sie ständig änderst, gibt es Cache-Misses und du fällst auf normale input-Abrechnung zurück. Eine hohe Cache-Hitrate kann die Kosten eines einzelnen Laufs um 15-30% senken.

Die Praxisregel lautet: AGENTS.md kurz und stabil halten, Kernregeln an einem festen Ort ablegen und wechselnde Inhalte in temporäre Ordner oder aufgabenspezifische Dokus verschieben. Nicht alles in den Prompt packen.

Trade-offs bei der Cache-Nutzung:

Cache-Hebel	Erwarteter Effekt	Nachteil
Stabiles AGENTS.md	Höhere cached-input-Trefferquote	Braucht Planung; weniger Änderungen
Stabile Projektdokumente	Weniger wiederholtes Lesen	Cache wird bei Updates ungültig
Häufige Änderungen vermeiden	Stabilere Cache-Hits	Weniger Flexibilität

FAQ: Wie spart Prompt-Caching Geld?

AGENTS.md und Projektdokumente stabil halten, damit cached input greift. Cached input ist günstiger als normales input, und die exakten Differenzen stehen in der offiziellen Rate Card.

6. Parallelität und Plan Mode: Nur bei Bedarf einschalten

multi-agent v2 wird nach aktiver Ausführung abgerechnet. Jeder aktive Agent verbraucht Kontingent, deshalb ist Parallelität teurer als ein einzelner Agent. multi_agent ist derzeit experimentell, also sollte die Standardeinstellung Zurückhaltung sein. Nur einschalten, wenn du es wirklich brauchst.

Die Rechnung ist einfach: Ein Agent läuft einmal und verbraucht X. Wenn multi_agent drei Agenten parallel laufen lässt, verbraucht jeder aktive Agent X, zusammen also 3X. Je mehr Agenten, desto teurer. Dazu kommt, dass jeder Agent Kontext liest, Reasoning ausführt und Output erzeugt, was alles aufsummiert.

Parallelmodus	Kostenwirkung	Typisches Szenario
Einzelner Agent	Basiskosten	Eine Aufgabe, sequentiell
multi_agent (leichte Parallelität)	+20-30%	Parallele Exploration nötig
multi_agent (starke Parallelität)	+50-100%	Lange agentic Aufgaben

multi_agent ist sinnvoll, wenn eine Aufgabe wirklich parallele Exploration braucht, etwa mehrere Dateien gleichzeitig ändern, mehrere Dokumente synchronisieren oder lange agentic Workflows wie automatisierte Tests, Deployment und Monitoring fahren. Für einen einzelnen Bugfix, einen schrittweisen Refactor oder persönliche Arbeit mit knappem Budget ist es eher ungeeignet. Für tieferes Verständnis der Parallelkosten siehe Codex Multi-Agent in Practice.

Die Regel für multi_agent ist klar: standardmäßig aus, nur bei Bedarf an. Die Zahl aktiver Agenten klein halten und Parallelität reduzieren, wenn die Kosten zu schnell steigen.

FAQ: Ist Multi-Agent-Parallelität teuer?

Ja. multi-agent v2 rechnet pro aktiver Ausführung ab, daher verbraucht jeder aktive Agent Kontingent. Standardmäßig ausgeschaltet lassen.

---

7. Plan Mode abwägen: Nicht für einfache Aufgaben übernutzen

Plan Mode fügt eine zusätzliche Planungsrunde hinzu und kostet damit extra Tokens. Bei komplexen Aufgaben kann diese Runde Rework verhindern. Bei einfachen Aufgaben ist es oft nur Overhead. Wenn die Aufgabe klar ist, direkt ausführen.

So hängt Komplexität mit Plan Mode zusammen:

Aufgabenschwere	Plan Mode nutzen?	Kostenwirkung
Einfach (ein Schritt, klar)	Nein	Basiskosten
Mittel (mehrere Schritte, Bestätigung nötig)	Ja	Eine zusätzliche Planungsrunde, aber weniger Rework
Komplex (langer agentic Chain)	Ja	Eine zusätzliche Planungsrunde, aber teureres Rework wird vermieden

Die Regel lautet: Plan Mode für komplexe Aufgaben, direkte Ausführung für einfache. Das ist die konservative Empfehlung. Die konkrete Entscheidung hängt von der Aufgabe ab.

FAQ: Kostet Plan Mode mehr?

Ja, er fügt eine zusätzliche Token-Runde hinzu. Für einfache Aufgaben nicht verwenden; für komplexe Aufgaben nutzen, um Rework zu vermeiden.

8. Monitoring und Budget: Was man nicht sieht, kann man nicht sparen

Um zu wissen, ob das Sparen wirkt, braucht man Sichtbarkeit. Codex bietet zwei Monitoring-Zugänge: Usage Dashboard und /status. Das Usage Dashboard sitzt in den Codex-Einstellungen und zeigt Teamverbrauch sowie den Status des Kontingentfensters. /status in der Konsole zeigt die Kontextgröße und das genutzte Kontingent des aktuellen Threads.

Schritte zur Nutzungsüberwachung

Öffne das Usage Dashboard in den Codex-Einstellungen, um die Teamnutzung zu sehen. Nutze /status, um den aktuellen Thread zu prüfen. Für Planungen kann man mit einer Community-Spanne arbeiten: Plus liegt bei etwa $20/Monat, Pro bei etwa $200/Monat, Business bei etwa $25-30 pro Person und Monat, und reale Team-Erfahrungen liegen oft bei etwa $100-200 pro Person und Monat (nur als Referenz, nicht offiziell). Stand ist 2026-06; für echte Entscheidungen immer die offizielle Preisangabe nehmen.

FAQ: Wie viel kostet es pro Monat?

Plus liegt bei etwa $20/Monat, Pro bei etwa $200/Monat. In der Praxis werden für Teams oft etwa $100-200 pro Person und Monat genannt. Die echte Zahl steht im Usage Dashboard.

9. FAQ

Q1: Wofür gibt Codex das Geld aus?

Für erneutes Lesen von Kontext, lange Sessions, Multi-Agent-Parallelität und hohe Reasoning-Stufen. Siehe Abschnitt 1.

Q2: Wie wähle ich ein günstigeres Modell?

Frontier-Modelle für Denken (GPT-5.5/5.4), mini für einfache Arbeit (GPT-5.4 mini). Reasoning nach Schwierigkeit wählen. Siehe Abschnitt 2.

Q3: Wie gehe ich mit langen Sessions um?

Nach der Aufgabe /clear, im langen Thread /compact. Ein Thread, eine Aufgabe. Siehe Abschnitt 3.

Q4: Wie spart Prompt-Caching Geld?

AGENTS.md und Projektdokumente stabil halten, damit cached input greift. Cached input ist günstiger als normales input. Siehe Abschnitt 5.

Q5: Ist AGENTS.md zu groß ein Problem?

Ja, über 32 KiB kann es getrunkelt werden und frisst auch Kontext. Das Hauptfile schlank halten und Überlauf in verschachtelte Ordner auslagern. Siehe Abschnitt 4.

Q6: Ist Multi-Agent-Parallelität teuer?

Ja, weil pro aktiver Ausführung abgerechnet wird. Standardmäßig aus lassen. Siehe Abschnitt 6.

Q7: Kostet Plan Mode mehr?

Ja, er fügt eine zusätzliche Token-Runde hinzu. Für einfache Aufgaben nicht verwenden. Siehe Abschnitt 7.

Q8: Wie viel kostet es ungefähr pro Monat?

Plus etwa $20/Monat, Pro etwa $200/Monat. Für Teams wird oft etwa $100-200 pro Person und Monat genannt. Siehe Abschnitt 8.

10. Nächste Schritte und weiterführende Lektüre

Wenn du einen Einstieg zu Freigaben und häufigen Fehlern willst, lies Codex Sandbox and Permission Boundaries. Wenn du tiefer in parallele Agenten einsteigen willst, lies Codex Multi-Agent in Practice.