将 Codex CLI 与免费模型配合使用
Codex CLI 是 OpenAI 推出的开源终端编码智能体。它可以使用自定义模型提供商。本指南通过 FreeLLMAPI 将 Codex CLI 连接到其他提供商的免费模型。Codex 使用 Responses API,而 FreeLLMAPI 在 /v1/responses 上提供该接口。
代码、模型名称和目录中的实时标签以英文显示。
工作原理
Codex CLI 以 OpenAI Responses 格式发送请求。Codex 文档说明,responses 是唯一受支持的 wire_api 值。因此,用于 Codex 的提供商必须提供 /v1/responses。FreeLLMAPI 提供此端点。它会转换每个请求,并将其发送到免费模型,例如 Gemini、GPT-OSS、Qwen 或 GLM。
- 你获得: Codex CLI 智能体、它的工具及其编辑循环,并使用免费模型运行。
- 你无法获得: 通过你的 ChatGPT 方案使用 OpenAI 自家的 GPT 模型。请求会发送到你的 FreeLLMAPI 池中的免费提供商。
- 限制:
/v1/responses目前尚不支持图像输入。请使用文本提示词。
第 1 步:安装 FreeLLMAPI 和 Codex CLI
安装两者
curl -fsSL https://freellmapi.co/install.sh | bash
npm install -g @openai/codex打开 http://localhost:3001。在密钥页面添加至少两个免费提供商密钥。从同一页面复制你的统一密钥。在 macOS 上,你也可以使用 brew install --cask codex 安装 Codex。
第 2 步:连接 Codex CLI
设置命令会将一个提供商添加到 ~/.codex/config.toml。它会先创建备份,并合并新的配置块,因此你的其他设置会保留。
一条命令
export FREELLMAPI_API_KEY=<unified-key>
npx freellmapi setup-codex --url http://localhost:3001 --dry-run
npx freellmapi setup-codex --url http://localhost:3001
codex该命令会写入以下设置,其中的值来自你的实时目录。密钥不在文件中。Codex 从 FREELLMAPI_API_KEY 环境变量中读取密钥,因此请在运行 Codex 的每个 shell 中导出该变量。
~/.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| 键 | 作用 |
|---|---|
model_provider | 从 model_providers 中选择提供商。默认值为 openai。 |
env_key | 保存提供商 API 密钥的环境变量 |
requires_openai_auth | false 表示 Codex 不要求 OpenAI 登录 |
model_context_window | 当前模型的上下文 token 数。该命令从你的实时目录中获取此值。 |
model_auto_compact_token_limit | 开始自动压缩历史记录的 token 数。该命令将其设置为上下文窗口的 90%。 |
tool_output_token_limit | Codex 在历史记录中保留的每个工具输出的 token 预算 |
要使密钥不保存在文件中,也不写入 shell 配置文件,请使用启动器。它只在环境中传入密钥来启动 Codex:
零持久化启动器
npx freellmapi launch-codex要确认请求已发送到网关,请运行 npx freellmapi doctor。它会检查已路由的 Authorization 标头、目录和一次实时探测。随后,仪表板的请求日志会显示每次 Codex 调用。响应标头 X-Routed-Via 会给出作出应答的提供商和模型。如果请求发生了故障转移,X-Fallback-Trail 会列出每个失败的环节及其原因。
[profiles.NAME] 表(这些表位于 config.toml 中)。配置档案现在是独立的文件,例如 ~/.codex/NAME.config.toml。对于当前版本的 Codex,请使用上面的默认设置。移除模型元数据警告
Codex 每次运行时都会打印 "Model metadata for auto not found"。Codex 不了解网关的模型 ID。要为它提供真实的元数据,例如上下文窗口和图像支持,请在提供商中添加模型目录 URL:
添加到 [model_providers.freellmapi]
model_catalog_url = "http://localhost:3001/v1/codex/models"该目录保留 Codex 自己的默认系统提示词和工具设置。只有警告和上下文窗口会发生变化。
为 Codex CLI 选择模型
Codex 是一个智能体。它通过工具调用运行 shell 命令并编辑文件。请使用支持工具调用且上下文窗口较大的模型。下表列出了目前同时满足这两条规则的免费模型。
| 模型 | 免费提供方 | 上下文 | 免费额度(最优惠) | 工具 | 视觉 |
|---|---|---|---|---|---|
| GLM 5.3 | UnoRouter | 1M | 1 请求/分钟 1 req/min per model | 是 | 否 |
| GLM 5.3 Flash | NVIDIA NIM, UnoRouter | 1M | 40 请求/分钟 40 RPM | 是 | 是 |
| Gemini 3.8 Flash | Google AI Studio | 1M | Recurring provider quota | 是 | 是 |
| Qwen3.8 Flash Next | AMD Radeon Cloud | 262K | Recurring daily account allowance | 是 | 否 |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | 是 | 是 |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 请求/分钟 20 请求/天 250,000 令牌/分钟 ~3M | 是 | 是 |
| GPT-5.6 Luna | ElectronHub | 1M | $0.25/week shared recurring credit | 是 | 是 |
| Dots3 Note Preview | Kilo Gateway, OpenRouter | 512K | 20 请求/分钟 50 请求/天 50 req/day account-wide (1,000 after a $10 purchase) | 是 | 是 |
| DeepSeek V4 Flash | AMD Radeon Cloud, BazaarLink, ElectronHub | 1M | 10 请求/分钟 50 请求/天 Shared rate limit | 是 | 否 |
| Qwen3.8 27B | ElectronHub, Groq, OVH AI Endpoints | 262K | 30 请求/分钟 250 请求/天 70,000 令牌/分钟 ~6M | 是 | 是 |
| Gemini 3.6 Flash | Google AI Studio | 1M | 10 请求/分钟 20 请求/天 250,000 令牌/分钟 ~3M | 是 | 是 |
| Qwen 3.8 27B | Cloudflare Workers AI | 262K | Shared 10k neurons/day | 是 | 是 |
显示 12 个(共 109 个匹配的免费模型)。 查看所有模型.
数据来自 FreeLLMAPI 目录(版本 2026.11.19,检查于 2026-11-19)。免费额度经常变化。该目录每天检查一次。
保留 model = "auto",让路由器为每个请求选择模型。要固定使用某个模型,请运行 npx freellmapi setup-codex --url http://localhost:3001 --model <id>。你也可以设置 model = "auto:smart" 或 model = "auto:fast",写在 config.toml 中。
免费层级有每分钟和每日的限制。当某个提供商返回 429 错误时,FreeLLMAPI 会将请求发送到链中的下一个模型。对于较长的 Codex 会话,请从四个或更多提供商添加密钥。当 Codex 达到 model_auto_compact_token_limit 时,会压缩其历史记录。较低的值会发送较小的请求,这对每分钟 token 数限制较低的免费层级有帮助。
故障排除
| 问题 | 原因 | 解决方法 |
|---|---|---|
| Codex 要求你使用 ChatGPT 登录 | 未设置 model_provider,因此 Codex 使用 openai | 设置 model_provider = "freellmapi" |
401 "Invalid API key" | 当前 shell 中未设置 FREELLMAPI_API_KEY | 导出该变量,或使用 npx freellmapi launch-codex |
错误信息:"Model metadata for auto not found" | Codex 不了解网关的模型 ID | 添加 model_catalog_url |
出现 wire_api = "chat" 相关错误 | Codex 仅支持 Responses API | 设置 wire_api = "responses" |
| 配置档案设置被忽略 | Codex 0.134.0 及更高版本会忽略 [profiles.NAME] 表 | 使用默认的提供商设置,或使用单独的配置档案文件 |
| 错误信息:"All models rate-limited after N attempts" | 所有密钥都已达到限制 | 从更多提供商添加密钥,或等待冷却期结束 |
常见问题
我能免费使用 Codex CLI 吗?
可以。Codex CLI 是开源的。在 config.toml 中将 FreeLLMAPI 添加为自定义模型提供商。网关会将每个请求发送到免费提供商层级,因此推理成本为 $0。
Codex CLI 能使用其他提供商的模型吗?
可以。添加一个 [model_providers.
Codex CLI 支持 Chat Completions API 吗?
不支持。Codex 配置参考文档说明,responses 是唯一受支持的 wire_api 值。FreeLLMAPI 提供 /v1/responses,因此可以作为 Codex 的提供商使用。
哪个免费模型最适合 Codex CLI?
请使用支持工具调用且上下文至少为 128K 的模型。本页的表格列出了目前同时满足这两条规则的最强免费模型。
如何修复 'Model metadata for auto not found'?
在 ~/.codex/config.toml 的提供商配置块中添加 model_catalog_url = "http://localhost:3001/v1/codex/models"。之后,Codex 会读取网关模型的真实元数据。
相关指南
来源
- Codex docs: config reference (检查于 20 November 2026)
- Codex docs: advanced config and profiles (检查于 20 November 2026)
- Codex CLI repository (检查于 20 November 2026)
- FreeLLMAPI docs: coding agents and Codex (检查于 20 November 2026)
- FreeLLMAPI CLI generators (检查于 20 November 2026)