मोफत मॉडेल्ससह Codex CLI वापरा
Codex CLI हा OpenAI चा ओपन-सोर्स कोडिंग एजंट आहे, जो टर्मिनलमध्ये चालतो. तो स्वतःचा मॉडेल प्रदाता वापरू शकतो. हे मार्गदर्शक FreeLLMAPI द्वारे Codex CLI ला इतर प्रदात्यांच्या मोफत मॉडेल्सशी जोडते. Codex Responses API वापरते, आणि FreeLLMAPI ती /v1/responses वर पुरवते.
कोड, मॉडेलची नावे आणि थेट कॅटलॉग लेबल इंग्रजीत दाखवले जातात.
हे कसे काम करते
Codex CLI OpenAI Responses स्वरूपात विनंत्या पाठवते. Codex च्या दस्तऐवजानुसार responses हेच एकमेव समर्थित wire_api मूल्य आहे. त्यामुळे Codex साठीचा प्रदाता /v1/responses पुरवायला हवा. FreeLLMAPI हा एंडपॉइंट पुरवते. ते प्रत्येक विनंतीचे भाषांतर करते आणि ती मोफत मॉडेलकडे पाठवते, उदाहरणार्थ Gemini, GPT-OSS, Qwen किंवा GLM.
- तुम्हाला मिळते: Codex CLI एजंट, त्याची टूल्स आणि त्याचा संपादन लूप, मोफत मॉडेल्सवर.
- तुम्हाला मिळत नाही: तुमच्या ChatGPT योजनेद्वारे OpenAI चे स्वतःचे GPT मॉडेल. विनंत्या तुमच्या FreeLLMAPI पूलमधील मोफत प्रदात्यांकडे जातात.
- मर्यादा:
/v1/responsesवर इमेज इनपुट अजून समर्थित नाही. मजकूर प्रॉम्प्ट वापरा.
पायरी 1: FreeLLMAPI आणि Codex CLI इन्स्टॉल करा
दोन्ही इन्स्टॉल करा
curl -fsSL https://freellmapi.co/install.sh | bash
npm install -g @openai/codexhttp://localhost:3001 उघडा. Keys पेजवर किमान दोन मोफत प्रदात्यांच्या की जोडा. त्याच पेजवरून तुमची एकत्रित की कॉपी करा. macOS वर Codex brew install --cask codex ने देखील इन्स्टॉल करता येते.
पायरी 2: Codex CLI जोडा
सेटअप कमांड ~/.codex/config.toml मध्ये एक प्रदाता जोडते. ती आधी बॅकअप तयार करते आणि नवीन ब्लॉक मिसळते, त्यामुळे तुमच्या इतर सेटिंग्ज राहतात.
एक कमांड
export FREELLMAPI_API_KEY=<unified-key>
npx freellmapi setup-codex --url http://localhost:3001 --dry-run
npx freellmapi setup-codex --url http://localhost:3001
codexकमांड ही सेटिंग्ज लिहिते, मूल्ये तुमच्या थेट कॅटलॉगमधून घेतलेली असतात. की फाइलमध्ये नसते. Codex ती FREELLMAPI_API_KEY एन्व्हायर्नमेंट व्हेरिएबलमधून वाचते, त्यामुळे Codex चालवता त्या प्रत्येक शेलमध्ये व्हेरिएबल एक्सपोर्ट करा.
~/.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| की | काय करते |
|---|---|
model_provider | model_providers मधून प्रदाता निवडते. डीफॉल्ट openai आहे. |
env_key | प्रदात्याची API की धरणारे एन्व्हायर्नमेंट व्हेरिएबल |
requires_openai_auth | false म्हणजे Codex OpenAI लॉगिन मागत नाही |
model_context_window | सक्रिय मॉडेलचे संदर्भ टोकन. कमांड मूल्य तुमच्या थेट कॅटलॉगमधून घेते. |
model_auto_compact_token_limit | स्वयंचलित इतिहास संक्षेप सुरू करणारी टोकन संख्या. कमांड संदर्भ विंडोच्या 90% सेट करते. |
tool_output_token_limit | Codex इतिहासात ठेवणारा प्रत्येक टूल आउटपुटसाठीचा टोकन बजेट |
की फाइल्समध्ये आणि तुमच्या शेल प्रोफाइलमध्ये ठेवू नये म्हणून लाँचर वापरा. तो Codex फक्त त्याच्या एन्व्हायर्नमेंटमध्ये की ठेवून सुरू करतो:
शून्य-स्थिरता लाँचर
npx freellmapi launch-codexविनंत्या गेटवेकडे जात आहेत याची खात्री करण्यासाठी npx freellmapi doctor चालवा. ते राउट केलेले Authorization हेडर, कॅटलॉग आणि थेट प्रोब तपासते. डॅशबोर्डमधील विनंती नोंद प्रत्येक Codex कॉल दाखवते. X-Routed-Via प्रतिसाद हेडर उत्तर देणारा प्रदाता आणि मॉडेल सांगते. विनंती दुसऱ्याकडे वळली असल्यास, X-Fallback-Trail अयशस्वी झालेला प्रत्येक टप्पा आणि कारण सांगते.
[profiles.NAME] तक्ते config.toml मधून आता वाचत नाहीत. प्रोफाइल आता वेगळ्या फाइल्समध्ये असतात, उदाहरणार्थ ~/.codex/NAME.config.toml. चालू Codex आवृत्तीसह वरील डीफॉल्ट सेटअप वापरा.मॉडेल मेटाडेटा चेतावणी काढा
Codex प्रत्येक वेळी "Model metadata for auto not found" छापते. Codex ला गेटवेचे मॉडेल ID माहीत नसतात. त्याला संदर्भ विंडो आणि इमेज समर्थनासारखा खरा मेटाडेटा देण्यासाठी प्रदात्यात मॉडेल कॅटलॉग URL जोडा:
[model_providers.freellmapi] मध्ये जोडा
model_catalog_url = "http://localhost:3001/v1/codex/models"कॅटलॉग Codex चा स्वतःचा डीफॉल्ट सिस्टम प्रॉम्प्ट आणि टूल सेटिंग्ज ठेवते. फक्त चेतावणी आणि संदर्भ विंडो बदलते.
Codex CLI साठी मॉडेल्स निवडा
Codex एक एजंट आहे. ते टूल कॉलद्वारे शेल कमांड चालवते आणि फाइल्स संपादित करते. टूल कॉलिंग आणि मोठी संदर्भ विंडो असलेली मॉडेल्स वापरा. खालील तक्त्यात आज दोन्ही नियम पाळणारी मोफत मॉडेल्स दाखवली आहेत.
| मॉडेल | मोफत उपलब्ध | संदर्भ | मोफत मर्यादा (सर्वोत्तम ऑफर) | साधने | व्हिजन |
|---|---|---|---|---|---|
| GLM 5.3 | UnoRouter | 1M | 1 विनंत्या/मिनिट 1 req/min per model | होय | नाही |
| GLM 5.3 Flash | NVIDIA NIM, UnoRouter | 1M | 40 विनंत्या/मिनिट 40 RPM | होय | होय |
| Gemini 3.8 Flash | Google AI Studio | 1M | Recurring provider quota | होय | होय |
| Qwen3.8 Flash Next | AMD Radeon Cloud | 262K | Recurring daily account allowance | होय | नाही |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | होय | होय |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 विनंत्या/मिनिट 20 विनंत्या/दिवस 250,000 टोकन/मिनिट ~3M | होय | होय |
| GPT-5.6 Luna | ElectronHub | 1M | $0.25/week shared recurring credit | होय | होय |
| Dots3 Note Preview | Kilo Gateway, OpenRouter | 512K | 20 विनंत्या/मिनिट 50 विनंत्या/दिवस 50 req/day account-wide (1,000 after a $10 purchase) | होय | होय |
| DeepSeek V4 Flash | AMD Radeon Cloud, BazaarLink, ElectronHub | 1M | 10 विनंत्या/मिनिट 50 विनंत्या/दिवस Shared rate limit | होय | नाही |
| Qwen3.8 27B | ElectronHub, Groq, OVH AI Endpoints | 262K | 30 विनंत्या/मिनिट 250 विनंत्या/दिवस 70,000 टोकन/मिनिट ~6M | होय | होय |
| Gemini 3.6 Flash | Google AI Studio | 1M | 10 विनंत्या/मिनिट 20 विनंत्या/दिवस 250,000 टोकन/मिनिट ~3M | होय | होय |
| Qwen 3.8 27B | Cloudflare Workers AI | 262K | Shared 10k neurons/day | होय | होय |
जुळणाऱ्या 109 मोफत मॉडेलपैकी 12 दाखवले जात आहेत. सर्व मॉडेल पहा.
FreeLLMAPI कॅटलॉगमधील थेट डेटा (आवृत्ती 2026.11.19, तपासले 2026-11-19). मोफत मर्यादा वारंवार बदलतात. कॅटलॉग दररोज तपासले जाते.
राउटरला प्रत्येक विनंतीसाठी मॉडेल निवडू देण्यासाठी model = "auto" ठेवा. एक मॉडेल निश्चित करण्यासाठी npx freellmapi setup-codex --url http://localhost:3001 --model <id> चालवा. तुम्ही model = "auto:smart" किंवा model = "auto:fast" देखील सेट करू शकता, हे config.toml मध्ये करा.
मोफत टियरना प्रति मिनिट आणि प्रति दिवस मर्यादा असतात. प्रदाता 429 त्रुटी पाठवतो तेव्हा FreeLLMAPI विनंती साखळीतील पुढील मॉडेलकडे पाठवते. लांब Codex सत्रांसाठी चार किंवा अधिक प्रदात्यांच्या की जोडा. Codex model_auto_compact_token_limit गाठल्यावर आपला इतिहास संक्षिप्त करते. कमी मूल्यामुळे लहान विनंत्या जातात, जे कमी प्रति-मिनिट टोकन मर्यादा असलेल्या मोफत टियरवर मदत करते.
समस्या निवारण
| समस्या | कारण | उपाय |
|---|---|---|
| Codex तुम्हाला ChatGPT सह साइन इन करण्यास सांगते | model_provider सेट नाही, म्हणून Codex openai वापरते | model_provider = "freellmapi" सेट करा |
401 "Invalid API key" | या शेलमध्ये FREELLMAPI_API_KEY सेट नाही | व्हेरिएबल एक्सपोर्ट करा, किंवा npx freellmapi launch-codex वापरा |
"Model metadata for auto not found" | Codex ला गेटवेचे मॉडेल ID माहीत नाहीत | model_catalog_url जोडा |
wire_api = "chat" सह त्रुटी | Codex फक्त Responses API समर्थित करते | wire_api = "responses" सेट करा |
| प्रोफाइल सेटिंग्ज दुर्लक्षित होतात | Codex 0.134.0 आणि नंतरच्या आवृत्त्या [profiles.NAME] तक्ते दुर्लक्षित करतात | डीफॉल्ट प्रदाता सेटअप वापरा, किंवा वेगळी प्रोफाइल फाइल वापरा |
| "N प्रयत्नांनंतर सर्व मॉडेल्स रेट-मर्यादित" | सर्व की त्यांच्या मर्यादेवर आहेत | अधिक प्रदात्यांच्या की जोडा, किंवा कूलडाउन संपण्याची वाट पहा |
वारंवार विचारले जाणारे प्रश्न
मी Codex CLI मोफत वापरू शकतो का?
होय. Codex CLI ओपन सोर्स आहे. config.toml मध्ये FreeLLMAPI ला कस्टम मॉडेल प्रदाता म्हणून जोडा. गेटवे प्रत्येक विनंती मोफत प्रदाता टियरकडे पाठवते, त्यामुळे अनुमान खर्च $0 आहे.
Codex CLI इतर प्रदात्यांचे मॉडेल्स वापरू शकते का?
होय. base_url, env_key आणि wire_api = "responses" असलेला [model_providers.
Codex CLI Chat Completions API समर्थित करते का?
नाही. Codex कॉन्फिग संदर्भ सांगतो की responses हेच एकमेव समर्थित wire_api मूल्य आहे. FreeLLMAPI /v1/responses पुरवते, त्यामुळे ते Codex प्रदाता म्हणून काम करते.
Codex CLI साठी कोणते मोफत मॉडेल सर्वोत्तम आहे?
टूल कॉलिंग आणि किमान 128K संदर्भ असलेले मॉडेल वापरा. या पृष्ठावरील तक्त्यात आज दोन्ही नियम पाळणारी सर्वात बलवान मोफत मॉडेल्स दाखवली आहेत.
'Model metadata for auto not found' कसे दुरुस्त करू?
~/.codex/config.toml मधील प्रदाता ब्लॉकमध्ये model_catalog_url = "http://localhost:3001/v1/codex/models" जोडा. मग Codex गेटवेच्या मॉडेल्ससाठी खरा मेटाडेटा वाचते.
संबंधित मार्गदर्शक
- Claude Code मोफत कसे वापरावे
- मोफत LLM API सह OpenCode वापरा
- मोफत LLM API सह Aider वापरा
- सर्वोत्तम मोफत कोडिंग मॉडेल API
- मोफत GPT API आहे का?
स्रोत
- Codex docs: config reference (तपासले 20 November 2026)
- Codex docs: advanced config and profiles (तपासले 20 November 2026)
- Codex CLI repository (तपासले 20 November 2026)
- FreeLLMAPI docs: coding agents and Codex (तपासले 20 November 2026)
- FreeLLMAPI CLI generators (तपासले 20 November 2026)