Codex CLIが4.0にバージョンアップしたそうなのでいくつか質問してみた。
また、GPT-5-CodexとGPT-5の使い分けについても確認した。

（追記）本記事公開してそれほど時間が経過していないに、Codex CLIのバージョンがv0.41.0（2025-09-24）になったそうなので、本記事の最後に変更点を追記した。

（注）本記事の内容は正確性を保証するものではない。

GPT 5 Thinking の回答

了解しました。最新の「Codex CLI 4.0（v0.40.0）」の更新点を要約します。

何が変わった？（v0.40.0）

• デフォルトモデルが GPT-5-Codex に（従来の設定不要で標準採用）。(GitHub)
  
• 自動コンパクション：セッションが 220kトークン に達すると自動で要約・圧縮して継続できるように。(GitHub)
  
• /status で使用量（リミット）が見える化：現在の利用制限や残量が CLI 上で確認可能に。(GitHub)
  
• /review コマンド追加強化：
  • 特定コミットのレビュー
  • ベースブランチとの比較レビュー
  • カスタム指示付きレビュー
    などがサポート。(GitHub)
    
• MCP（Model Context Protocol）周り：
  ツール呼び出しのデフォルトタイムアウトは 60秒。
  config.toml の各サーバーごとに tool_timeout_sec で上書き可能。(GitHub)
  
• モデル周辺の最新動向：GPT-5-Codex 自体が CLI と IDE で利用可能（ChatGPTアカウントでサインイン可）。
  9/23付で Responses API からも利用可能になった旨が公式ドキュメントに追記。(OpenAI Developers)

参考：Codex CLI の概要・ドキュメント

• 公式 CLI 概要／セットアップ（macOS・Linux、WindowsはWSL推奨）。(OpenAI Developers)
• 公式リリースノート（v0.40.0＝「4.0」相当）。(GitHub)
• Codex 全体の変更履歴（GPT-5-Codex 公開や「resume」「自動要約」等の流れ）。(OpenAI Developers)
• リポジトリ README（インストール方法やMCP設定先）。(GitHub)

アップデート方法（例）

• npm：npm i -g @openai/codex
  
• Homebrew：brew upgrade codex（未導入なら brew install codex）
  
  いずれも公式READMEの手順に準拠しています。(GitHub)

反映確認

• バージョン確認：codex --version
  
• モデル確認：/status を実行（セッション内で status 入力、またはコマンドパレットから）→ 使用モデルが gpt-5-codex になっているか、使用量が表示されるかを確認。(GitHub)

必要であれば、~/.codex/config.toml の例（mcp_servers 設定や tool_timeout_sec の指定）も用意します。

GPT 5 Thinking の回答

了解です。v0.40.0（通称「4.0」）で強化された /review の使い方を、よくある3パターンの具体例でまとめます。

1) 「特定コミット」をレビューする

目的：あるコミットだけを重点的にチェックしたいとき。
やり方（例）：

/review
→ 「commit を指定」モードを選ぶ
→ 例: 3f2a1c7 を入力して実行

結果：そのコミットに含まれる差分に対して、バグの可能性、設計・パフォーマンス・可読性・テスト不足などの指摘をまとめてくれます。
※「特定コミットのレビュー」対応は 0.40.0 の新機能としてリリースノートに明記されています。(GitHub)

2) 「ブランチ差分（ベースブランチ指定）」でレビューする

目的：現在作業中のブランチ全体を、main や develop などのベースブランチと比較してレビューしたいとき。
やり方（例）：

/review
→ 「ベースブランチを指定して比較」モードを選ぶ
→ base: main（または develop）を指定して実行

結果：git diff main...<current-branch> 相当の差分を俯瞰し、広範囲の変更でも要点を優先度付きでレビューします。
※「ベースブランチとの比較レビュー」対応も 0.40.0 の新機能として告知されています。(GitHub)

3) 「カスタム指示」を添えてレビューする

目的：セキュリティ・パフォーマンス・境界値・テスト観点など特定の観点に絞ってレビューしてほしいとき。
やり方（例）：

/review
→ 「カスタム指示つき」モードを選ぶ
→ 指示の例:
   - セキュリティ最優先で、SQLインジェクション/XXE/コマンド実行を重点確認
   - パフォーマンス観点で N+1 と O(n^2) を重点チェック。必要ならベンチを提案
   - 追加すべきユニットテストの具体名とテストケースを列挙

結果：指定した観点に沿ってコメントが整理され、必要に応じてテストの追加案や修正方針も提示されます。

※「カスタム指示付きレビュー」も 0.40.0 の追加項目です。レビュー品質自体は GPT-5-Codex が担い、同モデルはコードレビューに最適化されています。(GitHub)

実行時の注意

• モデル要件：/review は GPT-5-Codex が前提です（他モデルだと失敗報告あり）。
  v0.40.0ではデフォルトモデルが gpt-5-codex に変更されています。(GitHub)
  
• デフォルト動作：コミットやベースブランチを指定しない /review は、現在の変更（ワーキングツリー差分）のレビューを開始します。実行ログ例として「Code review started: current changes」が観測されています。(GitHub)
  
• GitHub 連携との違い：CLI の /review はローカル/手元の差分をレビュー。GitHub の PR で @codex review とコメントして走るクラウド側の Code Review とは別経路ですが、目的は同じです（PR上の自動レビューを使いたいならこちら）。(OpenAI Developers)

すぐ使える小レシピ

• 「このコミットだけ」：/review → commit指定 → <SHA>（設計・バグ指摘に集中）(GitHub)
  
• 「このブランチ全体 vs main」：/review → ベース=main を指定（大規模差分の要点抽出）(GitHub)
  
• 「観点しばり」：/review → カスタム指示（セキュリティ/性能/テストなどを明示）(GitHub)

必要であれば、あなたのリポジトリ構成（テストコマンドやリンタ、AGENTS.md など）に合わせた カスタム指示テンプレ も作ります。

GPT 5 Thinking の回答

了解です。~/.codex/config.toml のサンプルを2パターン用意しました。
どちらも MCPサーバー定義（mcp_servers.*）と ツールのタイムアウト（tool_timeout_sec）を含みます。必要なところだけコピペして使ってください。

① 最小構成（Filesystem だけ）

# ~/.codex/config.toml

# グローバル既定（必要に応じて）
model = "gpt-5-codex"
tool_timeout_sec = 60  # すべてのMCPツールのデフォルトタイムアウト(秒)

# ---- MCP servers ----
[mcp_servers.filesystem]
command = "npx"
# 公式の Filesystem MCP サーバーを npx で起動
args = ["-y", "@modelcontextprotocol/server-filesystem",
        "--root", "/Users/you/work",   # ルートディレクトリ
        "--allow", "/Users/you/work"]  # 参照/操作を許可するパス（複数可）
# このサーバー配下のツールにだけ個別タイムアウト(秒)を上書き
tool_timeout_sec = 120

ポイント

• tool_timeout_sec は全体（上部）とサーバー単位（各 [mcp_servers.*] セクション）で指定できます。
  サーバー側の値が優先。
  
• --root と --allow をあなたの作業フォルダに合わせて変更してください（例：/Users/yourname/dev）。

② 実用構成（Filesystem + Process + OpenAPI）

# ~/.codex/config.toml

# 好みで
model = "gpt-5-codex"
tool_timeout_sec = 60           # 既定値
max_context_tokens = 220000     # 大きめセッション運用時の目安（任意）
auto_compaction = true          # 長会話での自動要約を有効化（任意）

# ---- MCP: Filesystem（ローカルファイルの読み書き/列挙）----
[mcp_servers.filesystem]
command = "npx"
args = ["-y", "@modelcontextprotocol/server-filesystem",
        "--root", "/Users/you/work",
        "--allow", "/Users/you/work",
        "--allow", "/Users/you/Projects/blog"]  # 複数ディレクトリを許可
tool_timeout_sec = 120

# ---- MCP: Process（ローカルでコマンド実行、lint/format/test等に便利）----
[mcp_servers.process]
command = "npx"
args = ["-y", "@modelcontextprotocol/server-process",
        "--cwd", "/Users/you/work"]      # 既定の作業ディレクトリ
# ビルド/テストのような重い処理向けに長め
tool_timeout_sec = 300
# 必要なら環境変数を付与
env = { NODE_OPTIONS="--max-old-space-size=4096" }

# ---- MCP: OpenAPI（任意のAPI仕様を読み込んでAPI呼び出し用ツール化）----
[mcp_servers.openapi]
command = "npx"
args = ["-y", "@modelcontextprotocol/server-openapi",
        "--spec", "/Users/you/apis/my-service-openapi.yaml",
        "--base-url", "https://api.example.com"]
tool_timeout_sec = 90
# 認証トークンなど
env = { API_TOKEN = "env:API_TOKEN" }    # ← 実際の値はシェル環境変数で渡すのが安全

補足

• env = { KEY = "value" } でサーバー起動時の環境変数を渡せます。
  秘密値は env:NAME のようにして、実体はシェル側にエクスポートしておくと安全です。
  
• server-process は npm test や pytest、eslint、prettier など
  ローカルコマンドの実行ツールを提供します。レビューや修正の自動検証と相性が良いです。
  
• server-openapi は OpenAPI 仕様からAPI呼び出しツールを生やします。
  ブログのCMSや自作RESTを直接たたくワークフローに便利。

よくあるつまずき対策

• npx の初回実行が遅い → -y を付けて無人実行。
  必要に応じてグローバルに入れるか、corepack/pnpm dlx などで高速化。
  
• 権限エラー → –allow のパス漏れが原因。読むだけでもそのパスを allow に追加が必要です。
  
• タイムアウト → 重いLSPやビルドを回す場合は、対象サーバーの tool_timeout_sec を個別に延ばす。

必要なら、あなたの作業ディレクトリ構成に合わせて、最適化した config.toml を作ってお渡しします。
パスと使いたいツール（lint/test/ビルド/API）を教えてください。

GPT 5 Thinking の回答

はい、GPT-5 を使えます。Codex CLI では /model コマンドや起動フラグでモデルを切り替えできます。
（例：codex --model gpt-5）。(OpenAI Developers)

いつ GPT-5 を選ぶ？

• コーディング以外の重めの思考・要約・企画
  研究リサーチ、長文ライティング、複数分野が絡む意思決定など“汎用の推論力”が要るときは GPT-5 が第一候補。
  400k相当の広いウィンドウと汎用ガイドが用意されています。(OpenAI Platform)
  
• 「Codex の外」でも通じる一貫した挙動にしたい
  同じプロンプトで Web/Responses API/他ツールへ横展開したいときは GPT-5 を土台にするのが無難です。(OpenAI Platform)

いつ GPT-5-Codex を選ぶ？

• コード中心の仕事（生成・改修・大規模リファクタ・レビュー）
  Codex 用に最適化された GPT-5 亜種で、エージェント的な自律作業やレビューが強化されています。
  CLI/IDE での“実務エンジニアリング”に合わせて調整されています。(OpenAI)
  
• 効率（トークン・スピード）を重視
  Codex 向け開発者メッセージは GPT-5 用より約40%軽量で、同条件なら入出力トークン量や待ち時間を抑えやすいです。(OpenAI Cookbook)

主要観点の違い（ざっくり比較）

観点	GPT-5-Codex	GPT-5
費用面	価格は GPT-5 と同一レンジ（Responses API でも同料金帯）。 コード用途で軽量プロンプトになりやすく、実コストは下がりがち。(OpenAI Developers)	公式価格：入力 $1.25 / 100万tok、出力 $10 / 100万tok（目安）。 汎用なのでプロンプトが重くなりやすいケースも。(OpenAI)
コーディング以外の優位性	コード以外は“十分に強い”が、設計ドキュメントや市場調査など非コード特化では GPT-5 に一歩譲る場面あり。(OpenAI)	汎用推論・長文・多分野横断は得意。リサーチ、要約、企画、方針決定など広い応用に最適。(OpenAI Platform)
計算時間（体感）	コード作業での実効レイテンシは短くなりやすい （開発者プロンプトが軽い/手戻り少なめ）。(OpenAI Cookbook)	モードによって思考時間を伸縮（ChatGPT 側では思考時間トグル有）。 深く考えさせると時間は伸びる。(TechRadar)
任せられる度合い（エージェント性）	“エージェント的コーディング”に最適化。レビュー/テスト/修正の反復や長尺の実装を任せやすい。(OpenAI)	領域横断の計画〜文章化〜根拠整理を任せやすい。 非コードの意思決定や説明責任が必要な場面で強い。(OpenAI Platform)

補足：Codex CLI は 既定モデルを切替可能。最近のリリースでは gpt-5-codex が既定という案内もありますが、運用上は /model gpt-5 や --model gpt-5 で明示が確実です。(GitHub)

実用ガイド（最短手順）

• 一時的に GPT-5 に切り替え：CLI で /model gpt-5（または codex --model gpt-5）。(OpenAI Developers)
  
• 使い分けの目安
  • コード生成・レビュー・大規模改修：まず GPT-5-Codex。詰まったら観点を絞る指示（セキュリティ/性能/境界値…）。(OpenAI)
    
  • 非コード（要約/企画/調査/長文）：GPT-5 に切替。途中でコードが必要になったら一時的に Codex へ。(OpenAI Platform)

もし、あなたの具体的なワークロード（例：WordPress 記事のリサーチ→原稿→図表→補助スクリプト）を教えていただければ、各工程での最適モデル切替プリセット（/model スニペット、推奨プロンプト、コスト目安）をその場で作成します。

GPT 5 Thinking の回答

結論から言うと：

• 「何時間も処理」＝1回のLLM呼び出しが何時間も走るわけではありません。
  実態は、短めの推論＋（必要なら）MCPツール実行を多数回ループさせて長い作業を進める、という挙動です。
  各ツール呼び出しにはデフォルトのタイムアウト60秒があり、~/.codex/config.toml の各サーバーで tool_timeout_sec を上書きできます。(GitHub)
  
• 費用は「経過時間」ではなくトークン量で課金されます。長時間に見えても、コストは入出力トークンの合計に比例します（GPT-5 系のAPI価格は公開のとおり）。(OpenAI)
  
• セッションが長くなると、約22万トークン付近で自動コンパクション（要約圧縮）が走り、文脈を保ったまま続行できる設計です（v0.40.0系の既定）。(GitHub)

よくある誤解を分解

Q1.「タイムアウトを設定しないと、1つの処理が何時間も回るのか？」

• いいえ。モデル応答（推論）にはサーバ側の制約があり、単発で“何時間”は想定されていません。
  時間がかかるのは、計画→実行→評価→次の計画…という反復を重ねるからです。
  
• 外部実行（lint/テスト/ビルド等）はMCPツール呼び出しで行い、各呼び出しが60秒（既定）。
  必要に応じて個別サーバーごとに延長します。(GitHub)

Q2.「“何時間も処理”＝危険なほど高額になるのでは？」

• コストはトークン課金なので、「放置＝即高額」ではありません。ただし長時間＝反復回数が増えがち → トークンも増えやすいのは事実です。
  
• 目安の公開価格（例：GPT-5で入力$1.25/100万tok、出力$10/100万tok）を踏まえ、
  要約・差分型のやり取りやレビュー観点の絞り込みで無駄トークンを抑制するのが定石です。(OpenAI)

実践的な“コストと時間”コントロール術

1. ツールのタイムアウトを明示
   tool_timeout_sec を用途別に：

• server-process（ビルド/テスト）だけ180–300秒、
  
• server-filesystem は60–120秒など。
  （既定は60秒、サーバー単位で上書き可能）(GitHub)

2. セッション肥大対策

• セッションが膨らむと約220kトークンで自動圧縮が入る前提で、区切りの良いところで要約・／export保存→タスクを分割。(GitHub)

3. レビュー観点の明確化

• 「/review（セキュリティだけ/性能だけ/このコミットだけ/このブランチvs mainだけ）」のように対象と観点を絞ると、差分ベースで入出力が減るためコストと時間を抑制可能。(GitHub)

4. モデルの使い分け

• 重い企画・要約フェーズは GPT-5、コード改修の反復は GPT-5-Codex と切替して、不要な“思考の深掘り”や冗長なコード提案を避ける。
  価格レンジは公開情報に基づき、ミニ系（GPT-5 mini等）も適宜活用。(OpenAI)

5. 大きな処理は“段階承認”に

• いきなり全自動で任せず、ステップ毎に確認→次への運用にすると無駄トークンの連鎖を抑えやすい。
  （CLIには使用量の可視化 /status もあります）。(GitHub)

まとめ

• 「何時間も回る」は多数回の短い呼び出しの積み重ねであり、各ツール呼び出しにはタイムアウト（既定60秒）があります。(GitHub)
  
• 課金は時間ではなくトークン量。長時間＝高額ではなく、やり取りの密度（トークン節約設計）次第で十分に抑制可能です。(OpenAI)
  
• 自動コンパクション（~220k tok）が長対話の継続性を担保しますが、重要コンテキストは適宜スナップショット保存＆分割がおすすめです。(GitHub)

必要であれば、あなたのプロジェクト構成（ビルド時間・テスト時間）に合わせたconfig.toml 最適値（tool_timeout_secやMCPサーバー構成）と、トークン節約用のプロンプト雛形を作ってお渡しします。

GPT-5 に具体的な実行案を提示し、分割実行、観点等を絞った実行について意見を聞いてみる価値はありそうだ。

GPT 5 Thinking の回答

了解です。Codex CLI v0.41.0（2025-09-24）の変更点を要点だけ日本語でまとめます。

ハイライト

• 利用制限（Rate limits）の見える化強化
  /status などでリセット時刻やレート制限時の自分の使用量が確認できるように。(GitHub)
  
• exec モードで出力スキーマ指定
  --output-schema（output-schema）で、実行結果を期待するJSON構造に合わせて出させやすく。
  データ抽出やCI連携が安定します。(GitHub)
  
• ripgrep (rg) を npm リリースに同梱
  これにより @vscode/ripgrep の postinstall 失敗で npm i -g @openai/codex がコケる問題の多くを回避。(GitHub)

そのほか主要マージ（抜粋）

• Readiness ツール追加（起動/環境の健全性チェック系）(GitHub)
  
• 自動コンパクションの閾値を調整（250k → 350kトークンへ段階的に更新するPRが入り、長対話の継続性が改善）(GitHub)
  
• /status に limits 表示を統合（旧 /limits は廃止方向）(GitHub)
  
• /review のブランチモード・プロンプト修正（分岐時の挙動/文言の整合）(GitHub)
  
• Git “undo” 用ツール群の追加、カードレイアウトなどのUI微修正、Rust 1.90 への更新、依存アップデート等。(GitHub)

使いどころの具体例

• Rate limits可視化：レート制限に当たった際に残量と回復時刻が分かるので、長尺の実装やレビュー一括実行の計画が立てやすい。(GitHub)
  
• --output-schema：/exec でツール出力を {"tests_passed": boolean, "coverage": number} のように構造化取得→ ダッシュボードやCIの自動判定に直結。(GitHub)
  
• rg 同梱：CIや新規マシンでのnpmグローバル導入の失敗率低下。(GitHub)

アップデート手順

• npm：npm i -g @openai/codex
• Homebrew：brew upgrade codex（未導入は brew install codex）
  公式READMEでも案内があります。(GitHub)

必要なら、--output-schema の実用テンプレ（テスト結果、Lint要約、依存脆弱性一覧など）をあなたのプロジェクト構成に合わせて用意します。

短時間の間に結構仕様が変わっている。数日前の情報を知る前に次の情報が来ているから問題なし？
v0.40.0の自動コンパクションの閾値やstatusコマンドの仕様は、v0.41.0によって上書きされてしまったが、v0.40.0の時点で変更点を調査しておいたことによって、GPT-5-Codexによる場合の方がGPT-5 による場合より約40%軽量になる可能性がある点やtimeout_secが設定できる点が分かったので、こまめに変更内容を確認しておくことは有用かもしれない。