„Ich möchte weiter analysieren“ → „Dann starten wir Codex oder Work erneut.“ Praktisch, aber bei langen Projekten kann das Nutzungslimit früher enden als die Forschung.
Die Idee ist nicht, Codex oder Work zu meiden. Nutze sie einmal für die schwere Vorbereitung und verschiebe die wiederholte Analyse danach zurück in Chat.
Warum zurück zu Chat
Weil Work und Codex explizite Nutzungslimits haben.
Laut aktueller OpenAI-Dokumentation teilen Codex, ChatGPT Work, ChatGPT for Excel und Workspace Agents denselben agentischen Nutzungs- und Credit-Pool, sofern sie im Plan verfügbar sind. Codex hat außerdem 5-Stunden- und Wochenfenster. Ist das Kontingent aufgebraucht, muss die nächste Arbeit möglicherweise bis zum Reset warten oder zusätzliche Credits verwenden, falls verfügbar.
Große Repositories, lange Coding-Sessions, Massendateien und lang laufende Agenten können diesen Pool schnell verbrauchen. Die Forschung hat noch Arbeit, aber das Wochenkontingent ist schon fertig.
Standard-Chat verwendet eine andere Limitstruktur. Auch Chat hat modell- und funktionsabhängige Grenzen, und selbst Pro sollte nicht als buchstäblich unbegrenzt beschrieben werden. Wird die iterative Analyse jedoch aus dem gemeinsamen Work/Codex-Pool verlagert, sinkt das Risiko erzwungener Unterbrechungen durch dessen Erschöpfung deutlich.
Für jede Fahrt braucht man keinen Bagger. Straße einmal bauen, danach Auto fahren.
Einfache Aufteilung
- Extern holen, verbinden, konvertieren: Codex / Work / lokal
- In wiederverwendbare Formate bringen: Parquet / CSV / JSON / Manifest
- Hypothesen, Analysen und Berichte wiederholen: Chat
Schicht 2 ist der Hebel.
Artikelfabrik
Codex bleibt für große Refactors, neue Import-Skripte, Deployment-Reparaturen und erste Massenkonvertierungen.
Chat übernimmt die tägliche Produktion: Gespräch zu Artikel, Redaktion, 12 Sprachen, Datenschutz, Duplikate, Titel, zusätzliche Recherche, GitHub-Source-Drafts und Überarbeitung alter Artikel.
Wenn jeder Artikel „Codex beschwören“ bedeutet, entsteht eine Codex-Beschwörungsfabrik.
Marktanalyse
Am schwersten ist meist die erste Datenvorbereitung.
Codex erledigt einmal API, Bulk-Download, Binary-Decoding, Timestamps, Hashes, Discovery/Validation/Final-Splits und Parquet.
Danach kann Chat ES / NQ / 6E / 6J, BTC / ETH und alle JPY-Paare von bitbank wiederholt vergleichen.
Untersucht werden Queue, Cancel, Partial Fill, Adverse Selection, Spread Capture, Inventory Cost, Maker Rebate, Latency Stress, Placebo und zeitliche Stabilität.
Die Frage ist nicht „steigt der nächste Tick?“, sondern wer sofort handeln muss, wo Liquidität verschwindet, welche Queue-Position wertvoll ist und wie Inventar nach einem einseitigen Fill behandelt wird.
Chat-Bundle
research-bundle/
DATA_MANIFEST.json
CHECKSUMS.sha256
DATA_QUALITY.csv
SPLITS.json
discovery/*.parquet
validation/*.parquet
final_sealed/*.parquet
RESEARCH_STATE.json
CHECKPOINT.md
Gemeinsame Felder, soweit möglich:
ts_event, ts_recv, venue, symbol, event_type,
side, price, size, order_id, sequence, action
Hat L2 keine order_id, bleibt sie null. Fehlende Informationen werden nicht erfunden.
Final versiegelt halten
Discovery entwickelt Hypothesen, Validation versucht sie zu brechen, Final wird nach dem Freeze einmal geöffnet.
Agent-Kontingent zu sparen und gleichzeitig den Holdout zu leaken bleibt schlechte Forschung.
Welches Tool für welche Arbeit
| Arbeit | Bester Ort |
|---|---|
| Websites mit Login | Work |
| Große Binärdaten | Codex / lokal |
| Repo-weite Implementierung | Codex |
| 24/7 WebSocket | lokaler Collector |
| Vorbereitete Daten | Chat |
| Hypothesen und Falsifikation | Chat |
| Python und Simulation | Chat |
| Artikel und Übersetzung | Chat |
Das ist keine Chat-Allmachtsthese. Es trennt einmalige Konstruktion von wiederholter Forschung.
Zielarchitektur
Externe Websites / API / GitHub / Marktdaten
↓
Codex / Work nur bei Bedarf
↓
Parquet + Manifest
↓
Chat
Hypothese → Analyse → Falsifikation
↓
Validation → Final
↓
Artikel / Bericht / GitHub
Der Trick lautet nicht „Codex nicht verwenden“. Der Trick ist, Codex eine Umgebung bauen zu lassen, die gut genug ist, dass man Codex nicht in jeder Iteration wieder braucht.
Quellen (4)
- OpenAI Help Center: https://help.openai.com/en/articles/11369540
- GPT-5.6 in ChatGPT: https://help.openai.com/en/articles/20001354-gpt-56-in-chatgpt
- ChatGPT Work and Codex: https://help.openai.com/en/articles/20001275-chatgpt-work-and-codex
- Databento Pricing: https://databento.com/pricing
