聊聊那次“看上去小活干把配额干完”的经历

不是很清楚什么时候开始，Codex 被当成“平替 Copilot”来用，但越来越多的人开始发现， subscription 看起来舒坦，quota 扣起来还是挺“有灵魂”的。
最近有人分享了一个离谱的 case：Pro 5X 账户工作量不到 20 分钟，配额就被掏空，切到 Spark 诊断时直接报上下文爆了。这种事你没碰过，除非运气真不错。

## 问题 A：看似小活却耗掉 5 小时配额

这个用户平时也干挺大的活，没少上 GPT-5.5 xhigh 跑推理，但今天突然收到一个消息：Codex 5h quota 被吃完了。
他回头看了 analytics，惊讶地发现：

• 仅用到 3 个活跃线程；
• 总运行时间连 20 分钟都不到；
• 并没有触发多进程任务或大型代码生成；
• 且当时 daily thread 数目在 analytics 上显示得很低。

他以前干更大的活从未踩过这个坑，可今儿就这么枯景的一天，配额先没了。
于是翻本地 session log，发现其中一个 GPT-5.5 线程里 token 数居高不下：

• Run 1: GPT-5.5 (xhigh reasoning)，耗时 157 秒，报告使用率 15%，结束时线程累计 token 达 777,268；
• Run 2: 同模型同配置，耗时 497 秒，报告使用率 38%，累计 token 飙升至 5,290,376。

也就是说，仅这两个 run 后面就撞上了 5 million token 的天花板，紧接着账户再次执行任务前，就满载地达到了 5h quota 的上限。
然后问题来了：
“primary %”是怎么一回事？
它会不会随订阅等级改变？
38%代表的是 38%的 Pro 5X 总额吗？
cached input token 是否也会计入配额耗减？
total token 累加是否直接影响 5h quota？
还有没有已知的指标与后台配额对不上的情况？
这些问题看起来合理但棘手，毕竟 Codex 默认不像 Claude Code 那样显式扣参与度或 token 数，很多时候你以为是轻度使用，后台却“默默”在跑一个又一个长上下文任务。

## 问题 B：Spark 诊断时直接报上下文溢出

配额问题查完，他切到了 GPT-5.3 Codex Spark 尝试自查，但马上就炸了：

• Spark 执行了几次搜索和 inspect 操作；
• 突然弹出一行提示：“Context automatically compacted”；
• 继而报错：“Your input exceeds the context window of this model. Please adjust your input and try again.”

整个流程看完让人摸不着头脑：
这可不是一个大型编码任务，只是简单地让 Spark 分析一个配额异常。但它连几次 inspect 后就直接跑满上下文，最后啥分析结果也没给出。
接着又浮出疑问：

• Spark 是不是用来处理仓库级调研的？
• 它在自动压缩上下文时，是否真的能处理好大文档？
• 有没有推荐限制的项目，比如 AGENTS.md 体积、memory 文件、workspace note 文档、session 历史等？
• 是否有已知缺陷会导致 Spark 重复读取大文本并迅速耗尽上下文？
• 要如何更高效地用 Spark 做故障排查或仓库调查？

## 我的看法：配额模型还没跟上使用模式

这事本身没那么罪大可恨，但它暴露了一个矛盾：
Codex 的计费方式（基于 5h quota + token usage），还没很好地贴合用户的感知操作。
比如：

• 用户觉得自己干了“两分钟活”，但后台可能已经触发了长推理链条、自动上下文压缩、多轮检索等行为；
• “primary %”这个指标又没解释清楚是否包含 cached token，等于让人盲猜；
• Spark 更是一团乱：自动压缩本来是锦点，偏偏在复杂环境下反而成了“快速撑爆上下文”的帮凶。

从 Discourse 的开源社区方案中也可以看到类似思考：真正好用的工具，不在于功能多，而在于透明可控。
Codex 在这点上还有距离。

## 建议小记

如果你也在用 Codex，尤其是 Pro 5X，以下几点或许能帮上忙：

• 尽量控制单个线程的 token 长度，避免一次性塞太多上下文；
• 在长任务前主动清理 workspace 中的 memory 文件；
• Spark 用来调研时，尽量拆解成多个小任务，而非让它一口气吃下整个仓库；
• 多关注 local log 中的 token 累计趋势，而不是 rely UI 上的“primary %”。