我去！Codex 官方宣布支持第三方模型｜附接入完整指南

OpenAI 的 Codex 官方发声：Codex App、CLI 和 SDK 可以搭配任何开源模型使用。

继谷歌 Antigravity 明确支持接入第三方模型后，顶级的两家还是只支持用自己的模型。

CC 绑定用 Claude，Codex 用 ChatGPT。

否则不会有开源项目破解官方的限制，让用户能选择用其他的大模型。

这次是官宣可以支持第三方模型，但有个限制：模型提供商的平台必须原生支持 /v1/responses 端点，Codex 才能直接对接。

国内有哪些平台已经适配了 Responses API？

下面列出找到目前已支持的平台，并给出每个平台接入配置教程。

一、国内 Responses API 支持全景图

目前有这几家，大模型就是 MiniMax，平台方有：阿里云百炼，百度千帆，火山方舟。

如果调用不支持 Responses API 的模型，需要通过桥接服务（见第五节）。

二、各平台功能对比

各平台的 Responses API 实现能力差异较大，下表有一个对比：

对比说明：

• • 阶跃星辰虽然刚上线，但多模态（图片+视频）和推理控制都已到位，是 Codex 的好搭档。
• • 百炼功能最完整：内置搜索工具、Session 缓存、五档推理控制、previous_response_id，是做 Agent 的首选。
• • 千帆独有 MCP 协议支持，适合需要接入企业工具链的场景。
• • MiniMax 优势在 1M 超长上下文，适合大仓库。

三、前置准备：找到配置文件

Codex 的配置分两个文件，都在 ~/.codex/ 目录下（Windows 是 C:\Users\<用户名>\.codex\）：

~/.codex/ ├── config.toml # 主配置：模型、提供商、功能开关 └── auth.json # 认证：API Key

四、各平台接入教程

4.1 阶跃星辰 step-3.7-flash

第 1 步：写入 API Key

API Key 在阶跃星辰开放平台（platform.stepfun.com）获取。写入 auth.json：

{
  "OPENAI_API_KEY": "你的阶跃API Key"
}

字段名仍然是 OPENAI_API_KEY，Codex 会通过 config.toml 里的 model_provider 路由到阶跃。

第 2 步：配置 config.toml

model_provider = "stepfun"
model = "step-3.7-flash"
model_reasoning_effort = "high"
model_context_window = 256000
model_auto_compact_token_limit = 200000
model_reasoning_summary = "none"
model_supports_reasoning_summaries = false
preferred_auth_method = "apikey"

[model_providers.stepfun]
name = "StepFun"
base_url = "https://api.stepfun.com/v1"
wire_api = "responses"

注意：

• • model_reasoning_effort 只支持 low / medium / high 三档，不要写 xhigh。
• • model_reasoning_summary 和 model_supports_reasoning_summaries 必须显式关掉，阶跃不支持 reasoning summary 参数，否则报 Unsupported parameter 错误。
• • base_url 必须用标准 API 通道 https://api.stepfun.com/v1，阶跃的 Responses API 目前只支持这个通道。
• • 不要加 env_key = "OPENAI_API_KEY"，否则 Codex 会去找系统环境变量而不是 auth.json。

API 能力速览

第 3 步：验证

codex exec "你是哪个模型"

如果顶部信息里显示 model: step-3.7-flash、provider: stepfun，就说明接通了。

💡 阶跃星辰开放平台注册邀请链接： https://platform.stepfun.com?invite\_code=MGIXKTXU

4.2 MiniMax

MiniMax 是目前唯一将 /v1/responses 作为主接口的大模型官方平台，接入最简单。

第 1 步：写入 API Key

API Key 在 MiniMax 开放平台（platform.minimaxi.com）获取。写入 auth.json：

{
  "OPENAI_API_KEY": "你的MiniMax API Key"
}

第 2 步：配置 config.toml

model_provider = "minimax"
model = "MiniMax-M3"
model_reasoning_effort = "high"
model_context_window = 1048576
model_auto_compact_token_limit = 800000

[model_providers.minimax]
name = "MiniMax"
base_url = "https://api.minimaxi.com/v1"
wire_api = "responses"

MiniMax 支持 reasoning.effort 推理控制参数，可以设置 low / medium / high。

M3 模型支持 1M 超长上下文，适合大型代码仓库的 review。

第 3 步：验证

codex exec "你是什么模型？"

4.3 阿里云百炼（通义千问 Qwen 系列）

百炼是最早支持 Responses API 的国内平台，功能最完整。

第 1 步：写入 API Key

API Key 在阿里云百炼控制台获取。写入 auth.json：

{
  "DASHSCOPE_API_KEY": "你的百炼API Key"
}

第 2 步：配置 config.toml

model_provider = "dashscope"
model = "qwen3-coder-plus"
model_reasoning_effort = "high"
model_context_window = 262144
model_auto_compact_token_limit = 200000

[model_providers.dashscope]
name = "DashScope"
base_url = "https://dashscope.aliyuncs.com/compatible-mode/v1"
env_key = "DASHSCOPE_API_KEY"
wire_api = "responses"

百炼独有优势：

1. 内置工具在 tools 参数直接指定即可启用，无需自行实现：
   • • web_search：联网搜索
   • • code_interpreter：代码解释器
   • • web_extractor：网页抓取/内容提取
   • • 文搜图 / 图搜图

2. Session 缓存：请求 Header 加 x-dashscope-session-cache: enable，服务端自动缓存对话上下文（最小 1024 Token，有效期 5 分钟），降低延迟和成本。14 个模型支持缓存。

3. 五档推理控制：reasoning.effort 支持 none / minimal / low / medium / high 五档，比其他平台多两档。

4. ：多轮对话通过 ID 自动关联上下文（有效期 7 天），无需手动维护消息历史。

5. 多地域部署：中国（默认）、新加坡、美国、德国四个地域可选，新加坡和法兰克福推荐用业务空间专属域名（含 WorkspaceId），性能更优。

百炼支持的模型列表（共25个）：

• • 旗舰推理：qwen3.7-max、qwen3.7-plus
• • 通用对话：qwen3.6-plus、qwen3.6-flash、qwen3.5-plus、qwen3.5-flash、qwen3-max、qwen-plus、qwen-flash
• • 代码专用：qwen3-coder-plus、qwen3-coder-flash、qwen3-coder-next
• • 推荐 Codex 配合使用：qwen3-coder-plus 或 qwen3.7-plus（代码和推理能力最强）

第 3 步：验证

codex exec "你是哪个模型？"

4.4 百度千帆（DeepSeek / GLM / Qwen 系列）

千帆是算力聚合平台，特别适合想用 DeepSeek 或 GLM 模型但没有官方 Responses API 支持的场景。

第 1 步：写入 API Key

API Key 在百度千帆控制台获取（格式为 bce-v3/ALTAK-xxx）。写入 auth.json：

{
  "QIANFAN_API_KEY": "bce-v3/你的千帆API Key"
}

第 2 步：配置 config.toml

以 DeepSeek-v4-pro 为例：

model_provider = "qianfan"
model = "deepseek-v4-pro"
model_reasoning_effort = "high"
model_context_window = 131072
model_auto_compact_token_limit = 100000

[model_providers.qianfan]
name = "Qianfan"
base_url = "https://qianfan.baidubce.com/v2"
env_key = "QIANFAN_API_KEY"
wire_api = "responses"

以 GLM-5.1 为例：

model_provider = "qianfan"
model = "glm-5.1"
model_reasoning_effort = "high"
model_context_window = 131072
model_auto_compact_token_limit = 100000

[model_providers.qianfan]
name = "Qianfan"
base_url = "https://qianfan.baidubce.com/v2"
env_key = "QIANFAN_API_KEY"
wire_api = "responses"

千帆 Responses API 独有优势：

1. 1. MCP 工具协议：独有支持。
2. 通过 tools 参数指定 MCP server，模型可自动调用百度 AI 搜索等外部工具，无需手动封装 Function Calling 逻辑。
3. 示例：

{
  "model": "deepseek-v3.2",
  "tools": [{
    "type": "mcp",
    "server_label": "baidu-ai-search",
    "server_url": "https://qianfan.baidubce.com/v2/ai_search/mcp",
    "require_approval": "never"
  }],
  "input": "今日热点新闻"
}

1. 2. ：多轮对话自动关联上下文，默认存储输入输出（设 store: false 可关闭）。
3. 3. Function Calling + 结构化输出：完整支持 json_object 和 json_schema 格式。

千帆支持的模型：

• • DeepSeek-v4-pro / DeepSeek-v4-flash / DeepSeek-v3.2（含思考模式 deepseek-v3.2-think）
• • GLM-5.1 / GLM-5
• • Qwen3-coder-480b / Qwen3-235b / Qwen3-14b / Qwen3-8b

第 3 步：验证

codex exec "你是哪个模型？"

4.5 火山方舟（豆包系列）

火山方舟是字节跳动旗下火山引擎的算力平台。

第 1 步：写入 API Key

API Key 在火山方舟控制台获取。写入 auth.json：

{
  "ARK_API_KEY": "你的火山方舟API Key"
}

第 2 步：配置 config.toml

model_provider = "volcark"
model = "你的接入点ID"
model_reasoning_effort = "high"
model_context_window = 32768
model_auto_compact_token_limit = 25000

[model_providers.volcark]
name = "VolcanoArk"
base_url = "https://ark.cn-beijing.volces.com/api/v3"
env_key = "ARK_API_KEY"
wire_api = "responses"

火山方舟支持 SSE 流式输出、结构化输出、内置检索能力、Function Calling。

特别注意：火山方舟的模型需要先在控制台创建"接入点"（endpoint），获取接入点 ID 后，config.toml 中 model 字段填的是接入点 ID（如 ep-20250xxx），而不是模型名称。

第 3 步：验证

codex exec "你是什么模型？"

💡 火山引擎邀请链接： https://volcengine.com/L/lKLpneACWsI/ ，邀请码：7MYUP2FD

五、实战案例：用 Codex review 代码

配置好之后，直接让 Codex 帮你 review 未提交的改动：

codex review --uncommitted

Codex 会读取当前仓库的 diff，用你配置的模型分析改动，给出 review 意见。

针对某个具体文件：

codex review --uncommitted src/utils.ts

非交互模式快速拿到结果：

codex exec -o review.md "review 当前未提交的代码改动，列出潜在 bug、可读性问题和改进建议"

输出会写到 review.md 里，方便你逐条确认。

六、桥接方案

DeepSeek、Kimi、智谱、MiMo、硅基流动等平台目前只支持 Chat Completions 格式。

要用 Codex 调这些模型，有三种路：

方案 A：算力聚合平台

通过百炼或千帆等已支持 Responses API 的算力平台间接调用。比如想用 DeepSeek-v4，走千帆的 Responses API 端点即可（见 4.4 节教程）。想用 Qwen 模型，走百炼即可（见 4.3 节教程）。

方案 B：桥接代理服务

NovAI（aiapi-pro.com）是目前唯一提供 Responses API 桥接的第三方平台，自动将 /v1/responses 转译为 /v1/chat/completions。

配置 config.toml：

model_provider = "novai"
model = "glm-5"

[model_providers.novai]
name = "NovAI"
base_url = "https://aiapi-pro.com/v1"
env_key = "NOVAI_API_KEY"
wire_api = "responses"

写入 auth.json：

{
  "NOVAI_API_KEY": "nvai-你的NovAI API Key"
}

NovAI 注册送 $2 信用，覆盖的模型包括 GLM-5、GLM-5-Turbo、MiniMax-Text-01、GLM-4.6V-Flash（免费）。

完全兼容 OpenAI Agents SDK、Codex 等工具。

方案 C：本地代理

开源项目 codex-cn-bridge 可在本地运行一个代理服务，将 Codex 的 Responses API 请求转译为 Chat Completions 请求，然后转发到任意国产模型平台。

适合不想依赖第三方云服务的开发者。

# 安装并运行本地代理
npx codex-cn-bridge --port 8080 --target https://api.deepseek.com/v1

然后在 config.toml 中将 base_url 指向本地代理：

[model_providers.local-proxy]
name = "LocalProxy"
base_url = "http://localhost:8080/v1"
wire_api = "responses"

七、选择建议

这么多方案、平台、模型和工具，怎么选择？

接入步骤：1. 确认平台支持 Responses API，config.toml 里配对 provider 和模型参数，auth.json 里填对 key。

2. 配置完成后，像 codex review --uncommitted 这类日常命令就能直接跑起来。

推荐阅读：

通过部署模拟预测模型发布前的行为

107 分钟的会议录音，免费转文字+自动标注说话人

Loop Engineering 如何使用AI编程智能体：构建可循环系统

Claude Fable 5 系统提示词曝光：Anthropic 为适应最强大模型做了哪些改动？

Claude Code 最佳实践：一个开发者的完整修炼手册

装了300个Skill，AI 智能体怎么知道该用哪个？

世界模型四大技术路线深度研究清单

比 Superpowers 更贴近AI编程工程实践的51 个 Agent 和 35 个技能

柳叶刀审计250万篇医学论文 & AI 如何做数据检测

这个开源工具把 token 消耗节省了98%

Mac上双开Codex

Anthropic 百万行代码库的官方最佳实践

Multica：让 AI 智能体变为你的员工

不用一个违禁词 让 Claude 说出炸药配方｜红队攻击实录

大模型黑箱揭秘：GPT、Claude、Gemini、Grok、Hermes 系统提示词全公开

让 AI 帮你修 bug，结果它把整个代码重写了一遍

AI 让我更累了，这不是错觉

490万浏览量的方案：用 LLM 构建持续更新积累的个人知识库