GPT-6 Astra в Codex: как настроить модель и проверить запуск

Если в задаче встречаются слова «GPT-6 Astra Codex», полезно сразу разделить два уровня. Codex — интерфейс и агентный рабочий процесс, который работает с проектом и выполняет команды. gpt-6-astra — идентификатор отдельной модели OpenAI; о доступности Astra в Codex OpenAI пишет в описании модели. Это не два названия одного объекта: Codex может предоставить доступ к модели, а CLI и API передают ей запросы разными способами.

Сначала проверьте, что умеет установленный CLI

Начните с версии клиента:

codex --version

Это короткая, но важная проверка. Команды и набор моделей зависят от конкретной установки Codex и от доступа вашего аккаунта. Поэтому инструкция из чужого терминала не заменяет локальную проверку. В документации CLI есть команда диагностики каталога моделей — запустите её из справки вашей версии, если Astra не появляется в списке.

Как выбрать GPT-6 Astra в интерактивном Codex

Запустите Codex в проекте и вызовите палитру моделей:

/model

Выберите gpt-6-astra, если этот идентификатор есть в каталоге. После выбора выполните простое действие, например попросите проверить тесты или объяснить небольшой фрагмент кода. Затем вызовите:

/status

В статусе должна быть видна активная модель. Такая последовательность проверяет не только то, что Astra отображается в меню, но и то, что текущая сессия действительно переключилась на неё.

Для одноразового запуска модель можно передать флагом:

codex exec -m gpt-6-astra "Проверь тесты проекта и назови первую причину сбоя, если они не пройдут"

-m — короткая форма --model. Подробнее о codex exec и флаге --model/-m см. в справочнике команд разработчика. Если команда завершается ошибкой «модель не найдена» или модель не принимается, сначала снова проверьте codex --version и локальный каталог. Не исправляйте такую ошибку заменой идентификатора на произвольное похожее имя: серверу нужен точный ID.

Настройка через конфигурацию проекта

Codex читает пользовательский ~/.codex/config.toml и проектный .codex/config.toml. CLI и IDE используют общие конфигурационные слои, поэтому настройка, сохранённая в проекте, может влиять не только на один запуск из терминала. Подробности о слоях есть в справке по конфигурации Codex.

Если ваша версия поддерживает настройку модели через TOML, базовая запись выглядит так:

model = "gpt-6-astra"

После изменения не полагайтесь на содержимое файла как на доказательство результата. Запустите Codex, проверьте /status, а для критичного задания дополнительно выполните короткий тестовый запрос. Конфигурация сообщает клиенту, что выбрать; статус показывает, что выбор применился в сессии.

Тот же идентификатор через OpenAI API

В Responses API укажите тот же ID в поле model. Для Astra задайте поддерживаемый уровень рассуждений, например medium; значение none для этой модели использовать не следует — это ограничение отдельно отмечено в руководстве по GPT-6 Astra.

curl https://api.openai.com/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
    "model": "gpt-6-astra",
    "reasoning": {"effort": "medium"},
    "input": "Объясни в одном предложении, зачем проверять входные данные функции."
  }'

На Windows удобнее передать тот же JSON из PowerShell или использовать официальный SDK, чтобы не потерять кавычки. Существенны здесь три поля: endpoint Responses API, точный model и допустимый reasoning.effort.

Проверка должна смотреть не только на текст ответа. Сохраните JSON и проверьте, что запрос завершился без ошибки, а поле model в ответе содержит ожидаемую модель или её каноническое значение, возвращённое API:

curl https://api.openai.com/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
    "model": "gpt-6-astra",
    "reasoning": {"effort": "medium"},
    "input": "Ответь одним словом: готово"
  }' \
  | jq '{id, model, status, error}'

Ожидаемая картина — status без ошибки, пустое или отсутствующее поле error и модель Astra в model. Если API вернул ошибку параметра reasoning, не меняйте модель вслепую: сверяйте доступные значения reasoning effort в документации модели и повторяйте проверку с поддерживаемым значением.

После технической настройки и проверки запуска можно подобрать способ доступа к AI-сервисам в каталоге Amber Market. Это не замена проверке модели в Codex или API: для выбранной услуги действуют подтверждённые условия, а оплатить её можно через СБП.

Что делать, если Astra не отображается

Разделите диагностику на три независимых вопроса:

1. Клиент достаточно новый и запускается ли вообще: codex --version.
2. Есть ли gpt-6-astra в каталоге моделей именно этой установки.
3. Разрешён ли запуск конкретному аккаунту в текущем интерфейсе или API.

Нельзя по одному отсутствию пункта в меню заключить, что идентификатор неверен. И наоборот, наличие названия в документации не доказывает доступность для любого плана, региона или версии клиента. Проверяйте фактический каталог Codex и результат API в своём окружении.

Итого: в Codex выберите модель через /model и подтвердите её /status; для одноразовой команды используйте codex exec -m gpt-6-astra; в API передайте model: "gpt-6-astra", поддерживаемый reasoning.effort и проверьте поле model в фактическом ответе. Так название из документации превращается в проверенный запуск, а не в ещё одну строку конфигурации.

Полезные продолжения: базовая работа с Codex CLI и общий запуск GPT-6 Astra в ChatGPT и API.