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 IDmodel_reasoning_effort：推理强度，可选low、medium、highbase_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，无需科学上网：
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：
无需科学上网。 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
- 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
- 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
- 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
- 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。
