Codex: Chat-to-Work und der teure Fast Mode

Was sich bei Codex tatsächlich geändert hat

Für mich ist die entscheidende Änderung nicht Fast Mode, sondern der Wechsel von einem normalen Chat in Work, ohne den Gesprächsfaden zu verlieren. Die offizielle Dokumentation zu ChatGPT Work und Codex beschreibt einen oberen Umschalter zwischen Chat und Work sowie das Starten eines neuen Chats oder das Öffnen eines bestehenden Projekts. Im Kern ist das chat-to-work: Aus einer Diskussion wird eine Aufgabe mit Arbeitskontext.

In Work lassen sich Projektkontext verwenden, lokale Ordner öffnen und Rückfragen im selben Chat weiterführen. Das ist eine kleine Änderung der Oberfläche, beseitigt architektonisch aber einen unangenehmen Bruch zwischen dem Formulieren einer Idee und dem Moment, in dem ein Agent bereits mit Dateien und Einschränkungen arbeitet. Es ist weniger manuelle Kontextübertragung nötig, und wichtige Vorbehalte gehen seltener verloren.

Zum Veröffentlichungszeitpunkt am 23. August 2026 verwenden ChatGPT Work und Codex einen gemeinsamen Pool für Limits, Preise und Credits. Fast Mode liefert ungefähr den 1,5-fachen Durchsatz, verbraucht jedoch mehr Credits: In der aktuellen Dokumentationsübersicht steht ein Multiplikator von 2× für GPT-5.4 und von 2,5× für GPT-5.5 und GPT-5.6. Die Dokumentation nennt außerdem die Befehle /fast on, /fast off und /fast status; konfiguriert wird über config.toml.

Ein Community-Signal zeigt die subjektive Seite dieser Rechnung gut. Ein Nutzer berichtete, an einem Tag 15 % des Kontingents eines 20x-Pakets mit Fast verbraucht zu haben und anschließend im normalen Modus etwa 10 % in zwei Tagen; separat wurde von Quotenzurücksetzungen berichtet. Das ist weder ein kontrollierter Test noch eine offizielle Messung. Ich werte es daher nur als Hinweis darauf, dass der Mehrverbrauch deutlich spürbar sein kann.

Mehr Tempo trifft auf Kontingentökonomie

Fast Mode ergibt nur dort Sinn, wo Antwortlatenz die Arbeit wirklich blockiert. Bei einem angekündigten Tempozuwachs von etwa dem 1,5-Fachen und einem Verbrauch vom Zwei- oder 2,5-Fachen steigt die Geschwindigkeit langsamer als der Kontingentverbrauch. Bei langen agentischen Aufgaben kann das ein teurer Tausch sein, insbesondere wenn die Zeit nicht für Generierung, sondern für Tools, Dateien und Prüfungen benötigt wird.

Ich würde zuerst zwei Kennzahlen betrachten: Kontingentverbrauch pro abgeschlossener Aufgabe und die Gesamtzeit bis zu einem brauchbaren Ergebnis. Wenn Fast nur Zwischenschritte früher anzeigt, aber den gesamten Zyklus nicht verkürzt, ist ein doppelter oder höherer Verbrauch schwer zu rechtfertigen. Auch das Modell darf nicht ignoriert werden, denn von ihm hängt der Multiplikator ab.

Chat-to-Work wirkt wie die grundlegendere Verbesserung. Es bewahrt den Kontext zwischen Gespräch und Ausführung, während Fast Mode vor allem geringere Latenz gegen das gemeinsame Limit einkauft. Die Lage ist einfach: Der bequeme Übergang bleibt nützlich, doch Fast muss seinen Wert bei realen Aufgaben immer wieder neu beweisen.

Zuvor haben wir den Vorschau-Rollout von Codex in ChatGPT auf Android und seine Folgen für Remote-Entwicklungsteams behandelt. Dieser Rollout liefert wichtigen Kontext dafür, wie sich die chatbasierte Codex-Arbeit im gesamten Produkt weiterentwickelt.