Codex 降智测试

用本地 Codex CLI 批量测试一道糖果数学题，并统计 reasoning tokens 与正确率。

用法

该脚本无任何第三方依赖，只需要您已安装并登录 Codex CLI

python codex_candy_eval.py -m gpt-5.5 -r high -n 5

参数：

• -m, --model：codex 模型名，省略则用本地默认
• -r, --reasoning-effort：low/medium/high/xhigh（默认 medium）
• -n, --tests：测试次数（默认 1）

正确答案为 21，脚本直接判断回答中是否出现独立的 21。

致谢

• LINUX DO - 新的理想型社区