Codex lento ou pesado: causas e soluções — app, CLI e WSL

Quando o Codex parece lento ou pesado, a forma mais rápida de achar a solução é descobrir primeiro onde o tempo está sendo gasto. Se as respostas da IA estão demorando, verifique o servidor e as configurações. Se a inicialização está lenta, verifique os servidores MCP e a pasta de configurações. Se a tela do app está pesada, verifique a versão do app e o tamanho da conversa. Se executar comandos está lento, verifique onde seus arquivos estão armazenados e o desempenho do seu computador. Este artigo lista as soluções por sintoma, com base na documentação oficial da OpenAI e nas respostas que a equipe da OpenAI deu no GitHub do Codex (verificado em 25 de outubro de 2026).

O Codex funciona no app para computador do ChatGPT (Windows e macOS), na CLI (a versão usada no terminal) e em extensões para editores como o VS Code. Neste artigo, "thread" significa um conjunto de trocas de um trabalho: um chat no app ou uma sessão na CLI. Em todas as formas, o modelo que faz o raciocínio roda nos servidores da OpenAI, e os comandos solicitados pela IA rodam no seu computador. Os sintomas são identificados por cor: resposta inicialização app comando.

1. Primeiro, identifique o problema

Quando algo parecer lento, observe a tela e verifique estas três coisas, nesta ordem.

1. Ele está aguardando sua aprovação?O Codex pode estar parado, esperando sua permissão para executar um comando ou alterar um arquivo. O guia oficial de solução de problemas da OpenAI também indica isso como a primeira coisa a verificar quando o Codex parece travado.
2. O que ele está fazendo agora?Se você estiver esperando para poder digitar, ou a mensagem de preparação dos servidores MCP continuar na tela, o problema é de inicialização. Se a mensagem "pensando" ou "escrevendo a resposta" continuar na tela, o problema é de resposta. Se um comando continuar em execução sem avançar, o problema é de comando. Se a digitação ou a troca de telas estiver travando, o problema é do app.
3. Está lento para todo mundo?Consulte a página de status da OpenAI para ver se há instabilidades no Codex. Se houver uma instabilidade, normalmente há pouco que você possa fazer localmente.

Na CLI, /status mostra o modelo que você está usando, os tokens consumidos e o contexto restante (o espaço livre na memória da thread). Se o contexto restante estiver baixo, vá para "Não continue usando uma thread longa" no Capítulo 2. Se você tiver definido o esforço de raciocínio como High ou acima, vá para a tabela no Capítulo 2.

2. Quando as respostas da IA estão lentas resposta

Congestionamento ou instabilidades do lado do servidor

Algumas lentidões não têm causa local. Em um relato de que o modo Rápido estava tão lento quanto o padrão, um integrante da equipe da OpenAI respondeu "We had a capacity issue last week" (tivemos um problema de capacidade na semana passada) e, depois, explicou que tinham aliviado o problema (openai/codex #24422, junho de 2026). Este é um exemplo de falta de capacidade no servidor causando lentidão. Para a mensagem "o modelo está no limite de capacidade", veja Como resolver a mensagem "Selected model is at capacity" do Codex.

Ajuste o esforço de raciocínio à tarefa

No Codex, você pode escolher por quanto tempo o modelo pensa antes de responder. Quanto mais forte a configuração, mais profundamente ele pensa, e maior é o tempo e o consumo de uso. A descrição oficial da OpenAI é a seguinte (OpenAI "Models").

Na CLI, você escolhe o nível junto com o modelo usando /model. Você pode definir o padrão com model_reasoning_effort no arquivo de configuração (config.toml). O nível mais leve aparece como Light no app e como low na CLI e no arquivo de configuração.

Se você usa sempre High ou acima, mesmo tarefas simples demoram mais. Para pequenas correções, baixar a configuração para Light (low na CLI) ou Medium gera respostas mais rápidas. A página de seleção de modelos da OpenAI recomenda combinar o modelo mais leve, GPT-6 Luna, com Light (Low) para edições detalhadas e trabalhos bem delimitados (OpenAI "Model selection").

Modo rápido (Fast e Ultrafast)

Se você quer reduzir o tempo de espera, há modos mais rápidos que usam mais da sua cota de uso em troca de velocidade (OpenAI "Speed").

Na CLI, troque com /fast. Se o modelo que você está usando não tiver um nível mais rápido, /fast não aparece. Se você fizer login com uma chave de API, o uso é cobrado às tarifas da API e os multiplicadores acima não se aplicam.

Não continue usando uma thread longa

Se você continua trabalhando em muitas tarefas em uma mesma thread, o contexto cresce e tanto as respostas quanto a tela ficam mais pesadas. Em um relato de que as threads ficavam lentas após uso prolongado, um integrante da equipe da OpenAI recomendou criar uma nova thread para cada tarefa.

O integrante acrescentou que, quando a mesma thread continua, o contexto se dilui a cada compactação, e que começar do zero é mais rápido e evita que o modelo se distraia com trabalhos anteriores (openai/codex #11984).

Se você realmente quiser manter a mesma thread, o /compact da CLI resume as trocas feitas até agora e libera contexto (a descrição oficial é "Summarize the visible chat to free tokens"). /new inicia uma nova thread (OpenAI "Slash commands").

3. Quando a inicialização está lenta (CLI e MCP) inicialização

Espera para os servidores MCP iniciarem

Se você registrou servidores MCP (uma forma de conectar ferramentas externas) no Codex, ele espera que eles fiquem prontos a cada inicialização. Por padrão, servidores opcionais são aguardados por apenas 1 segundo antes de seguir em frente. Servidores definidos com required = true são aguardados até iniciarem (até 10 segundos por padrão). Se você mantiver registrado um servidor que responde devagar ou que você não usa mais, a primeira resposta será atrasada. As configurações oficiais da OpenAI são as seguintes (OpenAI "Model Context Protocol").

# Exemplo em ~/.codex/config.toml: parar um servidor que não está em uso
[mcp_servers.old-server]
command = "npx"
args = ["-y", "old-mcp-server"]
enabled = false

A pasta de configurações está grande ou corrompida

Em um relato de que a CLI iniciava devagar, um integrante da equipe da OpenAI apontou que a pasta ~/.codex, onde ficam as configurações e os registros, pode estar grande ou corrompida, e sugeriu renomeá-la temporariamente para testar (openai/codex #9290, janeiro de 2026). Renomear a pasta faz o Codex iniciar no mesmo estado de um primeiro uso, então você precisará entrar novamente. Os registros de threads anteriores também ficam nessa pasta, por isso apenas renomeie, não apague, e restaure-a depois do teste.

# macOS e Linux: renomear a pasta
mv ~/.codex ~/.codex-backup
# Windows (PowerShell): renomear a pasta
Rename-Item $HOME\.codex .codex-backup

Para restaurar, primeiro renomeie o novo .codex criado durante o teste para outro nome (como .codex-test) e depois renomeie .codex-backup de volta para .codex.

Verifique se você está em uma versão antiga

Algumas versões da CLI incluem melhorias de inicialização. Por exemplo, a versão 0.152.0 (1º de setembro de 2026) reduziu o atraso até a primeira resposta, e a versão 0.161.0 (7 de outubro) detecta mais cedo, na inicialização, a corrupção do banco de dados de registros (GitHub releases). Verifique sua versão com codex --version e depois procure e instale atualizações com codex update. Se você instalou por um método que o codex update não suporta (como um gerenciador de pacotes), atualize pelo mesmo método usado na instalação. O Codex incluído no app para computador pode ter uma versão diferente da CLI, e o app é atualizado separadamente (veja o Capítulo 4).

4. Quando o app está pesado ou trava app

Atualize para a versão mais recente e reinicie

Muitos problemas de lentidão no app para computador foram corrigidos em versões recentes.

Windows

Em um relato de que o app trava ou engasga no Windows (openai/codex #20214), um integrante da equipe da OpenAI escreveu, em 28 de agosto de 2026, que tinha corrigido uma das causas.

Segundo o integrante, uma das causas era que os comandos executados no sandbox acumulavam recursos usados pelo dwm.exe, o componente do Windows que desenha a tela. Ele orienta atualizar para a v26.825.32147 ou posterior e reiniciar o app.

O integrante diz "uma das causas", e, em 25 de outubro de 2026, este problema continua aberto, com usuários relatando travamentos por outras causas mesmo após a atualização. O app do Windows é distribuído pela Microsoft Store, então verifique atualizações em Biblioteca na Store (OpenAI "ChatGPT desktop app for Windows").

macOS

Para o problema de uso alto de CPU no macOS, um integrante escreveu que ele foi corrigido na versão de abril de 2026 (v26.415.20818) (openai/codex #16231). Já os relatos de que a digitação atrasa porque processos auxiliares se acumulam continuam sem solução em outubro (#25744). Mantenha o app atualizado e, se ele ficar pesado, reinicie-o.

Em qualquer um dos sistemas, o primeiro passo é atualizar para a versão mais recente e reiniciar o app.

Os passos oficiais para quando ele trava

O guia de solução de problemas da OpenAI descreve os passos para quando ele trava (OpenAI "Troubleshooting").

Organize suas threads

Trabalhar por muito tempo em uma mesma thread (Capítulo 2) também afeta o peso da tela. Quanto ao número de threads, há relatos abertos no GitHub de que trocar de thread é lento e que muitas threads mantêm a CPU ocupada (#11011 e outros). A OpenAI não afirma oficialmente que arquivar deixa tudo mais leve, mas arquivar as threads que você já terminou, com o /archive da CLI (que as remove da lista sem apagar os registros) ou com o recurso de arquivo do app, evita que a lista cresça sem controle.

Se você usa tarefas agendadas, o guia oficial de solução de problemas inclui passos para elas. Tarefas agendadas frequentes acumulam worktrees (cópias da pasta de trabalho), então arquive as execuções que não são mais necessárias e não fixe execuções que você não precisa manter (OpenAI "Troubleshooting").

5. Quando executar comandos está lento (WSL e local dos arquivos) comando

Builds, testes e buscas que a IA solicita rodam no seu computador. Se estiverem lentos, verifique onde seus arquivos estão armazenados e o desempenho do computador, e não o modelo ou as configurações.

No WSL, mantenha os arquivos no lado Linux

Se você executa o Codex no Linux dentro do Windows (WSL), o local da pasta de trabalho pode fazer uma grande diferença na velocidade. A OpenAI explica que trabalhar em pastas de unidades do Windows, como /mnt/c/..., pode ser lento, e recomenda manter os repositórios na pasta pessoal do Linux (por exemplo, ~/code/my-app). Se repositórios grandes estiverem lentos, a OpenAI também sugere aumentar a memória e a CPU atribuídas ao WSL e atualizar o WSL (OpenAI "WSL").

# Exemplo de %UserProfile%\.wslconfig: memória e CPU atribuídas ao WSL
[wsl2]
memory=8GB
processors=4

# Atualize o WSL e depois encerre-o para que as configurações tenham efeito (no PowerShell)
wsl --update
wsl --shutdown

Para saber como escrever o .wslconfig, veja Microsoft "Advanced settings configuration in WSL". O wsl --shutdown encerra todas as distribuições WSL em execução, então feche o que estiver em uso antes. Ajuste os valores conforme a memória e o número de CPUs do seu computador.

Atenção: quando você usa, no app do Windows, um agente que roda nativamente no Windows, a recomendação é o contrário.

Fonte: OpenAI "ChatGPT desktop app for Windows". O padrão do app do Windows é um agente que roda nativamente no Windows. Ao mudar para o WSL, é preciso reiniciar o app. Em um relato de que o agente do WSL estava extremamente lento (#25715), um integrante disse que uma correção que deveria aliviar o problema foi incorporada em 5 de junho de 2026, mas, em 25 de outubro, o problema continua aberto.

Onde o desempenho do computador faz diferença

O tempo de execução dos comandos depende da CPU, da memória e do armazenamento do seu computador (especialmente se ele usa HDD ou SSD). A fluidez da tela do app também é afetada pelo computador. Já o tempo que a IA gasta pensando e escrevendo a resposta não muda ao comprar um computador novo. Sobre o que depende do computador e como medir onde o tempo é gasto, veja Especificações de PC necessárias para o Claude Code e o Codex.

6. Como reportar à OpenAI quando nada ajuda

Se o problema persistir depois dos passos acima, você pode reportá-lo à OpenAI, e a equipe pode verificar os registros para procurar a causa.

• Enviar pela CLI: com /feedback na CLI, você pode enviar registros e informações de diagnóstico para a equipe do Codex (siga as instruções e escolha o que incluir).
• Pesquisar no GitHub: pesquise em openai/codex issues os relatos do mesmo sintoma e as respostas da equipe. Ao reportar, informe o número da versão e o sistema operacional.
• Gerar registros detalhados da CLI: registros em texto simples não são criados por padrão. Se você iniciar a CLI indicando um local de registros, como RUST_LOG=debug codex -c log_dir=./.codex-log (no PowerShell do Windows, $env:RUST_LOG="debug"; codex -c log_dir=./.codex-log), será criado um arquivo codex-tui.log (OpenAI "Environment variables").

Os registros podem conter o conteúdo do seu trabalho e caminhos de arquivos. Antes de publicá-los em algum lugar público, remova valores secretos e informações pessoais.

Resumo

FAQ

P. O Codex é mais lento que o Claude Code?

Não há uma resposta simples. A velocidade varia muito conforme o esforço de raciocínio, o modelo, o tipo de tarefa, os bugs do app e o tempo dos comandos locais. Há poucas medições que comparam os dois nas mesmas condições, e os modelos são diferentes, então é arriscado decidir com base em uma única medição. Para uma comparação lado a lado de quais partes dependem do computador e quais não dependem, veja Especificações de PC necessárias para o Claude Code e o Codex.

P. Usar o modo rápido sempre deixa tudo mais rápido?

Ele acelera a geração de texto pelo modelo, mas não altera o tempo dos comandos nem o tempo de inicialização dos servidores MCP. Em períodos de muita demanda nos servidores, as coisas ainda podem parecer lentas mesmo no modo rápido (Capítulo 2). Além disso, a cota do plano também se esgota mais rápido, então o mais seguro é usá-lo apenas em trabalhos que precisam ser feitos com urgência.

P. E se a extensão do VS Code não responder ou estiver pesada?

Atualize a extensão e o VS Code e depois reinicie o VS Code. A documentação oficial não traz passos específicos para uma extensão pesada, mas o tamanho da thread (Capítulo 2) também afeta a extensão da mesma forma. Se a extensão não responder no Windows, a documentação da OpenAI orienta instalar as Ferramentas de Build do C++ da Microsoft e o pacote redistribuível do Visual C++, e depois reiniciar completamente o VS Code (OpenAI "Windows sandbox").