新把任何智能体接入 UberLLM:一个密钥,所有模型,价格不高于官方价。
UberLLM

结合 UberLLM 的 Codex CLI:在任何模型上运行 OpenAI 的编码 agent

导出 UBERLLM_API_KEY,然后在 ~/.codex/config.toml 中添加一个 [model_providers.uberllm] 表,其中 base_url 为 https://api.uberllm.dev/v1,,env_key 为 UBERLLM_API_KEY,wire_api 为 "responses",并将 model_provider 设置为 "uberllm" 以及模型 ID。UberLLM 为 Codex 调用 Responses API 提供服务,因此 shell 命令、文件编辑和多步任务适用于每个聊天模型。

步骤

  1. 在您的密钥页面上创建一个密钥并充值。
  2. 如果您还没有安装 Codex,请安装它:npm install -g @openai/codex。
  3. 将密钥放入您的 shell 配置文件中 (~/.zshrc 或 ~/.bashrc) 并打开一个新的终端:
export UBERLLM_API_KEY="ull_..."
  1. 打开 ~/.codex/config.toml (如果不存在则创建) 并添加:
model = "moonshotai/kimi-k3"
model_provider = "uberllm"
web_search = "disabled"

[model_providers.uberllm]
name = "UberLLM"
base_url = "https://api.uberllm.dev/v1"
env_key = "UBERLLM_API_KEY"
wire_api = "responses"
  1. 在项目文件夹中运行 codex 并给它一个任务。

保持 base_url 以 /v1 结尾:Codex 会向其添加 /responses。env_key 是变量名,而不是密钥本身。

切换模型

传入 -m 用于单次会话,例如 codex -m deepseek/deepseek-v4.1-flash 用于小幅修改,或在文件中更改 model。任何来自 uberllm.dev/models 的聊天模型 ID 都可用。

对于 scripts 和 CI,codex exec 会在没有交互界面的情况下运行一个任务:

codex exec --skip-git-repo-check "add a docstring to every function in utils.py"

值得添加的设置

  • model_context_window: Codex 不知道 OpenAI 列表之外模型的上下文大小,并假定为 272,000 个 token。对于较小的模型,请从 uberllm.dev/models 上的页面设置该数字(例如 model_context_window = 131072),这样 Codex 就能在对话空间耗尽之前压缩对话。
  • model_reasoning_effort: "low"、"medium" 或 "high" 会传递给会思考的模型 (DeepSeek, Kimi Thinking, GLM, GPT-5)。留空以使用模型的默认设置。
  • web_search = "disabled": Codex 的网络搜索运行在 OpenAI 自己的服务器上,因此无法通过其他提供商运行。关闭此功能后,模型就不会被提供一个它无法使用的工具。

哪些功能可用

从 API 端来看,每个 Codex 工具都是一个普通的函数调用,因此您添加到 Codex 的命令运行、文件编辑、计划和 MCP 服务器都可以在任何支持工具调用的模型上运行。Codex 在每次交互时 (store = false) 都会发送整个对话,因此在两次调用之间,UberLLM 不会保留任何内容。每次调用都会显示在 仪表盘 → 活动 中,在应用名称 codex 下,并显示其费用。

故障排除

  • wire_api = "chat" 不再受支持:Codex 0.95 及更高版本仅支持 Responses API。设置 wire_api = "responses"。
  • 401 或 "Missing environment variable: UBERLLM_API_KEY":该变量未在 Codex 运行的终端中导出。编辑您的配置文件后,打开一个新的终端,或先运行 export UBERLLM_API_KEY=...。
  • 404 在每次交互时:base_url 缺少 /v1。它必须是 https://api.uberllm.dev/v1。
  • "Model metadata for … not found. Defaulting to fallback metadata":Codex 会为 OpenAI 自身列表之外的每个模型打印此信息。这是无害的;如上所述设置 model_context_window。
  • 模型回答了但从不运行命令:从第一个表格中选择一个模型。小型模型会偏离 Codex 的工具格式。
  • 402 积分不足:在积分页面]添加积分。对于硬性上限,请在密钥上设置消费限额。

继续阅读

驱动 Codex 表现良好的模型

所有模型都支持 tool calls,Codex 将其用于每个命令和编辑。第一个在下面的配置中。

模型模型 ID(复制粘贴)当前价格
Kimi K3moonshotai/kimi-k3输入 $0.0010 · 输出 $0.0788 / 1M
DeepSeek V4.1 Flashdeepseek/deepseek-v4.1-flash输入 $0.00018 · 输出 $0.0014 / 1M
GLM 5.3z-ai/glm-5.3输入 $0.00070 · 输出 $0.0141 / 1M
Claude Sonnet 5.5anthropic/claude-sonnet-5.5输入 $0.1099 · 输出 $0.5495 / 1M
Qwen 3 Coder 480bqwen/qwen3-coder输入 $0.0030 · 输出 $0.0099 / 1M
GPT-5.5openai/gpt-5.5输入 $0.1250 · 输出 $0.7500 / 1M
Claude Opus 5.5anthropic/claude-opus-5.5输入 $0.1579 · 输出 $0.7897 / 1M
DeepSeek V4 Prodeepseek/deepseek-v4-pro输入 $0.0016 · 输出 $0.0032 / 1M
MiniMax M3minimax/minimax-m3输入 $0.0180 · 输出 $0.0719 / 1M

价格为上次每小时更新时的价格,不加收费用 · 所有模型 →

适用于小型任务和 codex exec 脚本的更便宜的模型

模型模型 ID(复制粘贴)当前价格
DeepSeek V4.1 Flashdeepseek/deepseek-v4.1-flash输入 $0.00018 · 输出 $0.0014 / 1M
GLM 5.3z-ai/glm-5.3输入 $0.00070 · 输出 $0.0141 / 1M
Qwen 3 Coder 480bqwen/qwen3-coder输入 $0.0030 · 输出 $0.0099 / 1M
DeepSeek V3.2deepseek/deepseek-v3.2输入 $0.0026 · 输出 $0.0039 / 1M
GPT-OSS 120Bopenai/gpt-oss-120b输入 $0.000069 · 输出 $0.00030 / 1M
Kimi K2 Thinkingmoonshotai/kimi-k2-thinking输入 $0.0059 · 输出 $0.0248 / 1M

价格为上次每小时更新时的价格,不加收费用 · 所有模型 →

常见问题

Codex CLI 可以与 UberLLM 配合使用吗?

是的。在 ~/.codex/config.toml 中添加一个模型提供商,base_url 为 https://api.uberllm.dev/v1,,env_key 为 UBERLLM_API_KEY,wire_api 为 "responses"。UberLLM 提供 Codex 调用的 Responses API (POST /v1/responses),支持 streaming 和 tool calls。

我可以通过 UberLLM 在 Codex 中使用哪些模型?

UberLLM 目录中任何支持 tool calls 的聊天模型,例如 DeepSeek、GLM、Kimi、Qwen Coder、Claude 和 GPT。将 model 设置为其 ID,例如 deepseek/deepseek-v4.1-flash。

我需要为 Codex 提供 previous_response_id 或存储的 responses 吗?

不会。Codex 在每次请求时都会发送整个对话,并将 store 设置为 false,因此 UberLLM 在两次调用之间不会保留任何信息。