സൗജന്യ മോഡലുകളോടെ Codex CLI ഉപയോഗിക്കുക
Codex CLI ടെർമിനലിനായുള്ള OpenAI-യുടെ open-source coding ഏജന്റ് ആണ്. ഇതിന് ഒരു custom model provider ഉപയോഗിക്കാം. ഈ ഗൈഡ് Codex CLI-യെ FreeLLMAPI വഴി മറ്റ് providers-ൽ നിന്നുള്ള സൗജന്യ മോഡലുകളുമായി ബന്ധിപ്പിക്കുന്നു. Codex Responses API സംസാരിക്കുന്നു, FreeLLMAPI അത് /v1/responses-ൽ നൽകുന്നു.
കോഡ്, മോഡൽ പേരുകളും തത്സമയ കാറ്റലോഗ് ലേബലുകളും ഇംഗ്ലീഷിൽ കാണിക്കുന്നു.
ഇത് എങ്ങനെ പ്രവർത്തിക്കുന്നു
Codex CLI OpenAI Responses ഫോർമാറ്റിൽ അഭ്യർത്ഥനകൾ അയയ്ക്കുന്നു. responses മാത്രമാണ് പിന്തുണയ്ക്കുന്ന wire_api മൂല്യം എന്ന് Codex ഡോക്സ് പറയുന്നു. അതിനാൽ Codex-നുള്ള ഒരു provider /v1/responses നൽകണം. FreeLLMAPI ഈ endpoint നൽകുന്നു. ഓരോ അഭ്യർത്ഥനയും പരിവർത്തനം ചെയ്ത് ഒരു സൗജന്യ മോഡലിലേക്ക് അയയ്ക്കുന്നു, ഉദാഹരണത്തിന് Gemini, GPT-OSS, Qwen അല്ലെങ്കിൽ GLM.
- നിങ്ങൾക്ക് ലഭിക്കുന്നത്: Codex CLI ഏജന്റ്, അതിന്റെ tools, അതിന്റെ edit loop, സൗജന്യ മോഡലുകളിൽ.
- നിങ്ങൾക്ക് ലഭിക്കാത്തത്: നിങ്ങളുടെ ChatGPT പ്ലാൻ വഴി OpenAI-യുടെ സ്വന്തം GPT മോഡലുകൾ. അഭ്യർത്ഥനകൾ നിങ്ങളുടെ FreeLLMAPI pool-ലെ സൗജന്യ providers-ലേക്ക് പോകുന്നു.
- പരിധി:
/v1/responses-ൽ image input ഇതുവരെ പിന്തുണയ്ക്കുന്നില്ല. text prompts ഉപയോഗിക്കുക.
ഘട്ടം 1: FreeLLMAPI ഉം Codex CLI ഉം ഇൻസ്റ്റാൾ ചെയ്യുക
രണ്ടും ഇൻസ്റ്റാൾ ചെയ്യുക
curl -fsSL https://freellmapi.co/install.sh | bash
npm install -g @openai/codexhttp://localhost:3001 തുറക്കുക. Keys പേജിൽ കുറഞ്ഞത് രണ്ട് സൗജന്യ provider keys ചേർക്കുക. അതേ പേജിൽ നിന്ന് നിങ്ങളുടെ ഏകീകൃത key പകർത്തുക. macOS-ൽ, brew install --cask codex ഉപയോഗിച്ചും Codex ഇൻസ്റ്റാൾ ചെയ്യാം.
ഘട്ടം 2: Codex CLI ബന്ധിപ്പിക്കുക
സജ്ജീകരണ command ~/.codex/config.toml-ലേക്ക് ഒരു provider ചേർക്കുന്നു. ആദ്യം ഒരു backup ഉണ്ടാക്കുകയും പുതിയ block ലയിപ്പിക്കുകയും ചെയ്യുന്നു, അതിനാൽ നിങ്ങളുടെ മറ്റ് ക്രമീകരണങ്ങൾ നിലനിൽക്കുന്നു.
ഒരു command
export FREELLMAPI_API_KEY=<unified-key>
npx freellmapi setup-codex --url http://localhost:3001 --dry-run
npx freellmapi setup-codex --url http://localhost:3001
codexനിങ്ങളുടെ തത്സമയ catalog-ൽ നിന്നുള്ള മൂല്യങ്ങളോടെ command ഈ ക്രമീകരണങ്ങൾ എഴുതുന്നു. key file-ൽ ഇല്ല. Codex അത് FREELLMAPI_API_KEY environment variable-ൽ നിന്ന് വായിക്കുന്നു, അതിനാൽ Codex പ്രവർത്തിപ്പിക്കുന്ന ഓരോ shell-ലും variable export ചെയ്യുക.
~/.codex/config.toml
model = "auto"
model_provider = "freellmapi"
model_context_window = 128000
model_auto_compact_token_limit = 115200
tool_output_token_limit = 20000
[model_providers.freellmapi]
name = "FreeLLMAPI"
base_url = "http://localhost:3001/v1"
wire_api = "responses"
env_key = "FREELLMAPI_API_KEY"
requires_openai_auth = false| Key | അത് എന്ത് ചെയ്യുന്നു |
|---|---|
model_provider | model_providers-ൽ നിന്ന് provider തിരഞ്ഞെടുക്കുന്നു. default openai ആണ്. |
env_key | provider API key സൂക്ഷിക്കുന്ന environment variable |
requires_openai_auth | false എന്നാൽ Codex OpenAI login ആവശ്യപ്പെടുന്നില്ല എന്നാണ് |
model_context_window | സജീവ മോഡലിന്റെ context tokens. command ഈ മൂല്യം നിങ്ങളുടെ തത്സമയ catalog-ൽ നിന്ന് എടുക്കുന്നു. |
model_auto_compact_token_limit | സ്വയമേവയുള്ള history compaction ആരംഭിക്കുന്ന token എണ്ണം. command context window-ന്റെ 90% സജ്ജമാക്കുന്നു. |
tool_output_token_limit | Codex history-യിൽ സൂക്ഷിക്കുന്ന ഓരോ tool output-നും token ബജറ്റ് |
key ഫയലുകളിലും നിങ്ങളുടെ shell profile-ലും സൂക്ഷിക്കാതിരിക്കാൻ, launcher ഉപയോഗിക്കുക. അത് key അതിന്റെ environment-ൽ മാത്രം വെച്ച് Codex ആരംഭിക്കുന്നു:
സ്ഥിരമായി സൂക്ഷിക്കാത്ത launcher
npx freellmapi launch-codexഅഭ്യർത്ഥനകൾ ഗേറ്റ്വേയിലേക്ക് പോകുന്നു എന്ന് ഉറപ്പാക്കാൻ, npx freellmapi doctor പ്രവർത്തിപ്പിക്കുക. ഇത് routed Authorization header, catalog, ഒരു തത്സമയ probe എന്നിവ പരിശോധിക്കുന്നു. dashboard request log പിന്നെ ഓരോ Codex call-ഉം കാണിക്കുന്നു. X-Routed-Via response header ഉത്തരം നൽകിയ provider-ും മോഡലും പേരിടുന്നു. ഒരു അഭ്യർത്ഥന failover ചെയ്തെങ്കിൽ, X-Fallback-Trail പരാജയപ്പെട്ട ഓരോ hop-ഉം കാരണവും പേരിടുന്നു.
[profiles.NAME] tables ഇനി config.toml-ൽ നിന്ന് വായിക്കുന്നില്ലെന്ന് Codex ഡോക്സ് പറയുന്നു. Profiles ഇപ്പോൾ പ്രത്യേക files ആണ്, ഉദാഹരണത്തിന് ~/.codex/NAME.config.toml. നിലവിലെ Codex പതിപ്പിനൊപ്പം മുകളിലുള്ള default സജ്ജീകരണം ഉപയോഗിക്കുക.മോഡൽ metadata മുന്നറിയിപ്പ് നീക്കം ചെയ്യുക
Codex എല്ലാ run-ലും "Model metadata for auto not found" അച്ചടിക്കുന്നു. ഗേറ്റ്വേയുടെ മോഡൽ ids Codex-ന് അറിയില്ല. context window, image പിന്തുണ പോലുള്ള യഥാർത്ഥ metadata നൽകാൻ, provider-ലേക്ക് ഒരു model catalog URL ചേർക്കുക:
[model_providers.freellmapi]-ലേക്ക് ചേർക്കുക
model_catalog_url = "http://localhost:3001/v1/codex/models"catalog Codex-ന്റെ സ്വന്തം default system prompt ഉം tool ക്രമീകരണങ്ങളും സൂക്ഷിക്കുന്നു. മുന്നറിയിപ്പും context window-ഉം മാത്രമേ മാറുന്നുള്ളൂ.
Codex CLI-ക്കുള്ള മോഡലുകൾ തിരഞ്ഞെടുക്കുക
Codex ഒരു ഏജന്റ് ആണ്. ഇത് tool calls വഴി shell commands പ്രവർത്തിപ്പിക്കുകയും files എഡിറ്റ് ചെയ്യുകയും ചെയ്യുന്നു. tool calling ഉം വലിയ context window ഉം ഉള്ള മോഡലുകൾ ഉപയോഗിക്കുക. ഇന്ന് ഈ രണ്ട് നിയമങ്ങളും പാലിക്കുന്ന സൗജന്യ മോഡലുകൾ പട്ടിക കാണിക്കുന്നു.
| മോഡൽ | സൗജന്യമായി ലഭ്യം | കോൺടെക്സ്റ്റ് | സൗജന്യ പരിധികൾ (ഏറ്റവും മികച്ച ഓഫർ) | ടൂളുകൾ | ദൃശ്യ ശേഷി |
|---|---|---|---|---|---|
| GLM 5.3 | UnoRouter | 1M | 1 അഭ്യർഥന/മിനിറ്റ് 1 req/min per model | അതെ | ഇല്ല |
| GLM 5.3 Flash | NVIDIA NIM, UnoRouter | 1M | 40 അഭ്യർഥന/മിനിറ്റ് 40 RPM | അതെ | അതെ |
| Gemini 3.8 Flash | Google AI Studio | 1M | Recurring provider quota | അതെ | അതെ |
| Qwen3.8 Flash Next | AMD Radeon Cloud | 262K | Recurring daily account allowance | അതെ | ഇല്ല |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | അതെ | അതെ |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 അഭ്യർഥന/മിനിറ്റ് 20 അഭ്യർഥന/ദിവസം 250,000 ടോക്കൺ/മിനിറ്റ് ~3M | അതെ | അതെ |
| GPT-5.6 Luna | ElectronHub | 1M | $0.25/week shared recurring credit | അതെ | അതെ |
| Dots3 Note Preview | Kilo Gateway, OpenRouter | 512K | 20 അഭ്യർഥന/മിനിറ്റ് 50 അഭ്യർഥന/ദിവസം 50 req/day account-wide (1,000 after a $10 purchase) | അതെ | അതെ |
| DeepSeek V4 Flash | AMD Radeon Cloud, BazaarLink, ElectronHub | 1M | 10 അഭ്യർഥന/മിനിറ്റ് 50 അഭ്യർഥന/ദിവസം Shared rate limit | അതെ | ഇല്ല |
| Qwen3.8 27B | ElectronHub, Groq, OVH AI Endpoints | 262K | 30 അഭ്യർഥന/മിനിറ്റ് 250 അഭ്യർഥന/ദിവസം 70,000 ടോക്കൺ/മിനിറ്റ് ~6M | അതെ | അതെ |
| Gemini 3.6 Flash | Google AI Studio | 1M | 10 അഭ്യർഥന/മിനിറ്റ് 20 അഭ്യർഥന/ദിവസം 250,000 ടോക്കൺ/മിനിറ്റ് ~3M | അതെ | അതെ |
| Qwen 3.8 27B | Cloudflare Workers AI | 262K | Shared 10k neurons/day | അതെ | അതെ |
പൊരുത്തപ്പെടുന്ന 109 സൗജന്യ മോഡലുകളിൽ 12 എണ്ണം കാണിക്കുന്നു. എല്ലാ മോഡലുകളും കാണുക.
FreeLLMAPI കാറ്റലോഗിൽ നിന്നുള്ള തത്സമയ ഡാറ്റ (പതിപ്പ് 2026.11.19, 2026-11-19 ൽ പരിശോധിച്ചത്). സൗജന്യ പരിധികൾ പലപ്പോഴും മാറുന്നു. കാറ്റലോഗ് എല്ലാ ദിവസവും പരിശോധിക്കുന്നു.
ഓരോ അഭ്യർത്ഥനയ്ക്കും മോഡൽ തിരഞ്ഞെടുക്കാൻ റൂട്ടറിനെ അനുവദിക്കാൻ model = "auto" നിലനിർത്തുക. ഒരു മോഡൽ ഉറപ്പിക്കാൻ, npx freellmapi setup-codex --url http://localhost:3001 --model <id> പ്രവർത്തിപ്പിക്കുക. model = "auto:smart" അല്ലെങ്കിൽ model = "auto:fast" സജ്ജമാക്കാം. ഇത് config.toml-ൽ ചെയ്യാം.
സൗജന്യ ടിയറുകൾക്ക് മിനിറ്റിലും ദിവസത്തിലും പരിധികളുണ്ട്. ഒരു provider 429 പിശക് അയയ്ക്കുമ്പോൾ, FreeLLMAPI അഭ്യർത്ഥന chain-ലെ അടുത്ത മോഡലിലേക്ക് അയയ്ക്കുന്നു. ദീർഘ Codex സെഷനുകൾക്കായി നാലോ അതിലധികമോ providers-ൽ നിന്നുള്ള keys ചേർക്കുക. model_auto_compact_token_limit എത്തുമ്പോൾ Codex അതിന്റെ history compact ചെയ്യുന്നു. കുറഞ്ഞ മൂല്യം ചെറിയ അഭ്യർത്ഥനകൾ അയയ്ക്കുന്നു, ഇത് കുറഞ്ഞ tokens-per-minute പരിധിയുള്ള സൗജന്യ ടിയറുകളെ സഹായിക്കുന്നു.
പ്രശ്നപരിഹാരം
| പ്രശ്നം | കാരണം | പരിഹാരം |
|---|---|---|
| ChatGPT ഉപയോഗിച്ച് sign in ചെയ്യാൻ Codex നിങ്ങളോട് ആവശ്യപ്പെടുന്നു | model_provider സജ്ജമാക്കിയിട്ടില്ല, അതിനാൽ Codex openai ഉപയോഗിക്കുന്നു | model_provider = "freellmapi" സജ്ജമാക്കുക |
401 "Invalid API key" | ഈ shell-ൽ FREELLMAPI_API_KEY സജ്ജമാക്കിയിട്ടില്ല | variable export ചെയ്യുക, അല്ലെങ്കിൽ npx freellmapi launch-codex ഉപയോഗിക്കുക |
"Model metadata for auto not found" | ഗേറ്റ്വേയുടെ മോഡൽ ids Codex-ന് അറിയില്ല | model_catalog_url ചേർക്കുക |
wire_api = "chat" ഉള്ള പിശകുകൾ | Codex Responses API മാത്രം പിന്തുണയ്ക്കുന്നു | wire_api = "responses" സജ്ജമാക്കുക |
| Profile ക്രമീകരണങ്ങൾ അവഗണിക്കപ്പെടുന്നു | Codex 0.134.0-ഉം അതിന് ശേഷമുള്ളതും [profiles.NAME] tables അവഗണിക്കുന്നു | default provider സജ്ജീകരണം ഉപയോഗിക്കുക, അല്ലെങ്കിൽ പ്രത്യേക profile file ഉപയോഗിക്കുക |
| "N ശ്രമങ്ങൾക്ക് ശേഷം എല്ലാ മോഡലുകളും rate-limited" | എല്ലാ keys-ഉം അവയുടെ പരിധിയിലാണ് | കൂടുതൽ providers-ൽ നിന്നുള്ള keys ചേർക്കുക, അല്ലെങ്കിൽ cooldowns-നായി കാത്തിരിക്കുക |
പതിവ് ചോദ്യങ്ങൾ
Codex CLI സൗജന്യമായി ഉപയോഗിക്കാമോ?
ഉപയോഗിക്കാം. Codex CLI open source ആണ്. config.toml-ൽ FreeLLMAPI ഒരു custom model provider ആയി ചേർക്കുക. ഗേറ്റ്വേ ഓരോ അഭ്യർത്ഥനയും സൗജന്യ provider tiers-ലേക്ക് അയയ്ക്കുന്നു, അതിനാൽ inference ചെലവ് $0 ആണ്.
Codex CLI-ക്ക് മറ്റ് providers-ൽ നിന്നുള്ള മോഡലുകൾ ഉപയോഗിക്കാമോ?
ഉപയോഗിക്കാം. base_url, env_key, wire_api = "responses" എന്നിവയോടെ ഒരു [model_providers.
Codex CLI Chat Completions API പിന്തുണയ്ക്കുമോ?
ഇല്ല. Codex config റഫറൻസ് പറയുന്നത് responses മാത്രമാണ് പിന്തുണയ്ക്കുന്ന wire_api മൂല്യം എന്നാണ്. FreeLLMAPI /v1/responses നൽകുന്നതിനാൽ ഇത് ഒരു Codex provider ആയി പ്രവർത്തിക്കുന്നു.
Codex CLI-ക്ക് ഏറ്റവും നല്ല സൗജന്യ മോഡൽ ഏതാണ്?
tool calling ഉം കുറഞ്ഞത് 128K context ഉം ഉള്ള ഒരു മോഡൽ ഉപയോഗിക്കുക. ഈ പേജിലെ പട്ടിക ഇന്ന് ഈ രണ്ട് നിയമങ്ങളും പാലിക്കുന്ന ഏറ്റവും ശക്തമായ സൗജന്യ മോഡലുകൾ കാണിക്കുന്നു.
'Model metadata for auto not found' എങ്ങനെ പരിഹരിക്കാം?
~/.codex/config.toml-ലെ provider block-ലേക്ക് model_catalog_url = "http://localhost:3001/v1/codex/models" ചേർക്കുക. അപ്പോൾ Codex ഗേറ്റ്വേ മോഡലുകൾക്കായി യഥാർത്ഥ metadata വായിക്കുന്നു.
അനുബന്ധ ഗൈഡുകൾ
- Claude Code സൗജന്യമായി ഉപയോഗിക്കുന്നത് എങ്ങനെ
- സൗജന്യ LLM API-യോടെ OpenCode ഉപയോഗിക്കുക
- സൗജന്യ LLM API-യോടെ Aider ഉപയോഗിക്കുക
- മികച്ച സൗജന്യ coding model API-കൾ
- സൗജന്യ GPT API ഉണ്ടോ?
ഉറവിടങ്ങൾ
- Codex docs: config reference (20 November 2026 ൽ പരിശോധിച്ചത്)
- Codex docs: advanced config and profiles (20 November 2026 ൽ പരിശോധിച്ചത്)
- Codex CLI repository (20 November 2026 ൽ പരിശോധിച്ചത്)
- FreeLLMAPI docs: coding agents and Codex (20 November 2026 ൽ പരിശോധിച്ചത്)
- FreeLLMAPI CLI generators (20 November 2026 ൽ പരിശോധിച്ചത്)