Openai Codex 重大更新 已支持接入任意开源大模型

如果你还认为 Codex（OpenAI 推出的 AI 编程助手）只能搭配 GPT 系列模型使用，那你可能错过了近期最重要的一次更新。

Codex CLI 现在已经全面支持 OSS 模式（Open-Source Mode），任何兼容 OpenAI API 的模型都可以接入。 无论是本地运行的 Ollama、LM Studio，还是云端网关 OpenRouter，甚至是你自己搭建的推理服务——通通可以。

这篇文章将全面梳理这次更新带来的变化，以及如何配置使用。

什么是 Codex？

Codex 是 OpenAI 推出的 AI 编程代理（coding agent），它不同于简单的代码补全工具。Codex 能够在终端中直接理解项目上下文、执行命令、修改文件、创建 PR，像一个真正的开发伙伴一样工作。

目前 Codex 有三个形态：

• Codex CLI：基于命令行的 AI 编程代理，开源且本地运行
• Codex IDE：集成到 VS Code、Cursor、Windsurf 等编辑器的插件
• Codex Web：基于云的 Codex 智能体，通过 ChatGPT 界面访问

其中 CLI 版本是开源的核心，也是这次「任意模型接入」能力的主阵地。

OSS 模式是什么？

OSS 模式，全称 Open-Source Mode，是 Codex CLI 内置的一个运行模式。开启后，Codex 不再依赖 OpenAI 的专有模型，而是允许用户指定任何兼容 OpenAI API 的后端服务作为模型引擎。

这意味着：

• 你可以在完全离线的环境下使用 Codex，无需连接 OpenAI
• 你可以自由选择模型：Qwen、Llama、DeepSeek、Mistral 等
• 你可以在自己的硬件上运行，数据不出本地
• 你可以通过 OpenRouter 等网关使用多种商业或开源模型

快速上手 OSS 模式

安装 Codex CLI

如果已安装 Codex CLI，请跳过此步骤。

使用一行命令即可完成安装：

curl -fsSL https://chatgpt.com/codex/install.sh | sh

也支持 npm 和 Homebrew 安装：

npm install -g @openai/codex

# 或者
brew install --cask codex

启动 OSS 模式

Codex CLI 提供了两种方式进入 OSS 模式：

方式一：命令行参数

直接在启动时加上 --oss 标志：

codex --oss

此时 Codex 会使用默认 OSS 配置连接本地 Ollama 服务（localhost:11434），并使用 gpt-oss:20b 模型。

方式二：通过配置文件

编辑 ~/.codex/config.toml，配置自定义模型提供商：

model = "gpt-oss:120b"
model_provider = "ollama"

然后直接运行 codex 即可。

内置模型名称

Codex 为 OSS 模式内置了几个模型别名：

模型名	说明
gpt-oss:20b	20B 参数的轻量级 OSS 模型
gpt-oss:120b	120B 参数的高性能 OSS 模型
gpt-oss:120b-cloud	云端托管的 120B 模型

这些名称会映射到你实际选择的后端模型上，Codex 会根据名称选择合适的元数据配置。

自定义模型提供商：核心配置

Codex 的真正威力在于 config.toml 中的 [model_providers] 配置段。你可以定义任意数量的自定义提供者。

配置语法

以下是一个完整的配置示例：

# 选择使用的模型和提供者
model = "qwen2.5-coder:32b"
model_provider = "ollama"
model_reasoning_effort = "high"

# 定义模型提供者
[model_providers.ollama]
name = "Ollama"
base_url = "http://localhost:11434/v1"
wire_api = "responses"

[model_providers.lmstudio]
name = "LM Studio"
base_url = "http://localhost:1234/v1"
wire_api = "responses"

[model_providers.openrouter]
name = "OpenRouter"
base_url = "https://openrouter.ai/api/v1"
wire_api = "responses"
experimental_bearer_token = "your-openrouter-api-key"

关键配置项说明

• model：模型名称，可以是任意字符串，Codex 会传递给后端
• model_provider：指向下方定义的提供者 ID
• model_reasoning_effort：推理强度，可选 low、medium、high
• base_url：API 服务的完整地址，支持远程地址
• wire_api：API 协议类型，responses（OpenAI Responses API）或 chat（Chat Completions API）
• experimental_bearer_token：认证令牌，用于需要 API Key 的服务

实战：接入各种模型服务

使用 Ollama（本地）

Ollama 是目前最流行的本地模型运行工具。配置如下：

model = "qwen2.5-coder:32b"
model_provider = "ollama"

[model_providers.ollama]
name = "Ollama"
base_url = "http://localhost:11434/v1"
wire_api = "responses"

Codex 会自动检测本地安装的 Ollama。确保 Ollama 正在运行，Codex 就能直接使用。

使用 DeepSeek

DeepSeek 提供了与 OpenAI 兼容的 API 接口，国内可直接访问，无需魔法：

model = "deepseek-coder"
model_provider = "deepseek"

[model_providers.deepseek]
name = "DeepSeek"
base_url = "https://api.deepseek.com/v1"
wire_api = "responses"
experimental_bearer_token = "sk-你的DeepSeek-API-Key"

DeepSeek 的编码模型在编程任务上表现出色，且国内访问延迟低，非常适合作为 Codex 的日常推理引擎。

使用 OpenRouter（云端网关）

OpenRouter 提供了访问上百种模型的统一入口，包括 Claude、Gemini、DeepSeek、Mistral 等：

model = "anthropic/claude-sonnet-4-20250514"
model_provider = "openrouter"

[model_providers.openrouter]
name = "OpenRouter"
base_url = "https://openrouter.ai/api/v1"
wire_api = "responses"
experimental_bearer_token = "sk-or-v1-你的Key"

使用自定义 OpenAI 兼容服务

如果你有自己的模型推理服务（如 vLLM、TGI、SGLang 等部署的）：

model = "my-custom-model"
model_provider = "self-hosted"

[model_providers.self-hosted]
name = "Self-Hosted"
base_url = "http://192.168.1.100:8080/v1"
wire_api = "responses"
experimental_bearer_token = "local-dev-key"

Profiles 配置 多模型自由切换

Codex 支持 Profiles 机制，可以同时定义多组模型配置，随时切换：

# 默认配置
model = "gpt-oss:120b"
model_provider = "ollama"

# 定义提供者
[model_providers.ollama]
name = "Ollama"
base_url = "http://localhost:11434/v1"
wire_api = "responses"

[model_providers.openrouter]
name = "OpenRouter"
base_url = "https://openrouter.ai/api/v1"
wire_api = "responses"
experimental_bearer_token = "sk-or-v1-xxx"

# 定义 Profiles
[profiles.fast-coder]
model = "qwen2.5-coder:7b"
model_provider = "ollama"
model_reasoning_effort = "low"

[profiles.reasoning]
model = "deepseek/deepseek-r1"
model_provider = "openrouter"
model_reasoning_effort = "high"

使用 Profile 启动：

codex -p fast-coder

这在日常开发中非常实用——日常小改动用轻量模型，复杂架构设计切换到大模型。

对国内开发者的意义

对于国内开发者来说，Codex 的 OSS 模式有几个特别值得关注的价值：

无需魔法。 使用本地模型或国内可访问的 API 服务，Codex 可以直接在终端中流畅运行。

数据安全可控。 如果你有代码安全合规要求，选择本地模型意味着所有代码数据都在你自己的机器上处理。

成本可控。 本地模型完全免费，云端网关按量计费，远低于订阅 ChatGPT Pro 的成本。

灵活的模型选择。 国内优秀的开源模型（如 Qwen 系列、DeepSeek 系列）都可以作为 Codex 的推理引擎。

注意事项

1. 模型质量差异。 不同模型的编码能力差异较大，建议根据任务复杂度选择合适的模型
2. MCP 工具兼容性。 部分 OSS 模型在调用 MCP 工具时可能存在限制，社区正在持续改进
3. 元数据降级。 使用非 OpenAI 模型时，Codex 会使用降级的元数据配置，可能影响部分优化
4. 远程地址支持。 base_url 支持 LAN 地址，可以将模型部署在其他机器上

总结

Codex CLI 的 OSS 模式是其开源战略的关键一步。它让开发者不再受限于特定模型，可以自由选择最适合自己场景的 AI 引擎。

无论你是追求数据隐私的团队、预算有限的个人开发者，还是想尝试最新开源模型的技术爱好者，Codex OSS 模式都为你打开了一扇新的大门。

现在就去试试吧：

curl -fsSL https://chatgpt.com/codex/install.sh | sh
codex --oss

让最适合你的模型来帮你写代码。

原文
Openai Codex 重大更新 已支持接入任意开源大模型