Codex · Часть 5
Подключение отечественных моделей, таких как DeepSeek
3 минуты чтения
📚 Серийная навигация: В предыдущей части 04 · Подписка и тарификация мы разобрались с расходами на Codex — что выгоднее: подписка или оплата по факту использования. В этой части мы продолжим тему экономии и обсудим более неординарный подход: замену базового ИИ-мозга Codex на отечественные модели вроде DeepSeek.
⚠️ Сразу проясним ситуацию (функция экспериментальная, всё может измениться, ориентируйтесь на фактические тесты): Codex — это собственный продукт OpenAI, и в его официальной документации даже не планировалось позволять вам подключать DeepSeek. Подключение сторонних моделей к Codex — это обходной путь, придуманный сообществом благодаря оставленной разработчиками лазейке — кастомным провайдерам моделей (
model_providers). Удастся ли настроить этот путь и насколько стабильно он будет работать, зависит от того, какой протокол интерфейса поддерживает сторонняя модель, и именно здесь чаще всего возникают проблемы (подробнее в разделе 03). Вся информация, явно указанная в официальной документации (параметры конфигурации, поведение по умолчанию), снабжена ссылками на источники; часть про DeepSeek основана в основном на практических тестах и решениях сообщества. Адреса API, имена моделей и поддержка протоколов могут измениться в любой момент — ориентируйтесь на актуальные данные DeepSeek и официальные сведения Codex.
Ребята, сначала воссоздам реальный диалог, который произошел у меня недавно.
Коллега: «Ты же в Claude Code подключил DeepSeek и сэкономил кучу денег? Сделай то же самое для Codex».
Я: «Я тоже думал, что можно просто скопировать... В итоге прокопался два часа, конфигурация абсолютно верна, но при первом же запросе получаю 400».
Коллега: «А? Разве дело не в простом изменении base_url?»
Я: «У Codex и Claude Code разные подходы. Они выглядят похоже, но внутри устроены совершенно по-разному».
Честно говоря, эта статья — то самое предупреждение, которым я больше всего хотел поделиться во всей серии о Codex. В интернете полно руководств по запросу «Codex + DeepSeek», но в 90% из них не объясняется критически важная вещь: подключение сторонних моделей к Codex и к Claude Code построено на абсолютно разной внутренней логике. Если просто копировать опыт Claude Code, вы с большой вероятностью застрянете на уровне протоколов. В этой статье мы докопаемся до самой сути этой проблемы.
После прочтения этой статьи вы получите:
- Объяснение одной фразой главного отличия подключения сторонних моделей в Codex и Claude Code (сэкономит вам несколько часов)
- Сравнительную таблицу «Стоит ли подключать сторонние модели к Codex», чтобы взвесить все за и против перед началом
- Сравнение плюсов, минусов и целевой аудитории двух путей подключения (ручное редактирование
config.tomlпротив сторонних прокси-инструментов) - Готовый шаблон конфигурации
model_providers, способы верификации и таблицу устранения частых ошибок
01 Сначала разберитесь: смена модели в Codex — это не то же самое, что в Claude Code
Сразу сделаем вывод, и это самая ценная мысль всей статьи: смена модели в Claude Code выполняется через переменные окружения, в то время как в Codex — через изменение «провайдера моделей» в конфигурационном файле. Что еще важнее, Codex предъявляет жесткие требования к протоколу API сторонних провайдеров — подключить любой совместимый интерфейс не получится.
Давайте разберем это по шагам.
Установленный вами Codex по сути является клиентом, работающим в терминале — он читает код, вызывает инструменты, управляет контекстом, но сам по себе он не думает: на каждом шаге ему нужно отправлять запросы к большой модели. По умолчанию это модель GPT от OpenAI (в настоящее время рекомендуется gpt-5.5, источник: официальный документ Codex «Models»).
Так называемое «подключение сторонних моделей» означает смену адресата этих запросов с OpenAI на кого-то другого. Разработчики Codex действительно оставили такую возможность — вот дословная цитата из документации:
Вы также можете направить Codex на любую модель и провайдера, поддерживающих Chat Completions или Responses API, чтобы адаптировать его под ваши конкретные задачи. (Официальный документ Codex «Models»)
Аналогия: стандарты розеток. Claude Code похож на универсальный адаптер: стороннему сервису достаточно сделать интерфейс, «совместимый с протоколом Anthropic», и он заработает сразу. Codex устроен иначе, он больше похож на электроприбор, чувствительный к стандарту розетки — он распознает только два типа «розеток» от OpenAI (Chat Completions и Responses API). Отечественные модели вроде DeepSeek обычно предоставляют интерфейс, «совместимый с OpenAI», то есть розетку стандарта OpenAI, так что теоретически их можно подключить. Но здесь кроется ловушка:
В официальных источниках Codex прямо указано: поддержка Chat Completions API «устарела и будет удалена в будущих версиях» (источник: документ «Models»). Это означает, что Codex делает ставку на Responses API. А Responses API — это относительно новый собственный протокол OpenAI, который многие сторонние платформы моделей реализовали не полностью.
Именно поэтому я застрял на два часа в самом начале: я думал, что «совместимости DeepSeek с OpenAI» будет достаточно, но наткнулся на глухую стену несовместимости протоколов.
💡 Краткий итог: замена «мозга» в Claude Code выполняется через переменные окружения и требует протокола Anthropic; в Codex она требует изменения провайдера моделей в файле
config.tomlи поддержки протоколов OpenAI (с акцентом на Responses API) — не пытайтесь переносить опыт Claude Code на Codex напрямую.
02 Стоит ли подключать сторонние модели к Codex? Сначала изучите эту таблицу
Сразу остудим пыл: что касается «подключения сторонних моделей», возиться с этим в Codex стоит гораздо меньше, чем в Claude Code. Это мой реальный вывод по итогам использования, а не попытка сгладить углы.
Причина проста и складывается из трех факторов:
Во-первых, вероятность успешного подключения сторонних моделей к Codex ниже, чем к Claude Code — всё из-за упомянутых проблем с протоколами, с первого раза может не заработать.
Во-вторых, способности к написанию кода у поколения моделей GPT-5.5 в Codex действительно впечатляют, особенно при решении сложных задач и длинных цепочек рефакторинга. Сторонние модели, даже будучи подключенными, могут не дотягивать до этого уровня — вы сэкономите деньги, но потеряете в качестве работы.
В-третьих, подписка OpenAI (Plus / Pro) уже включает в себя лимиты для Codex (мы считали это в части 04). Если вы уже оплатили подписку, тратить дополнительные деньги на API сторонних провайдеров — значит платить дважды.
Давайте сопоставим официальный вариант и сторонние модели:
| Критерий | Официальный GPT (по умолчанию в Codex) | Сторонние / отечественные модели (например, DeepSeek) |
|---|---|---|
| Цена | Дорого, при активном использовании по факту расходует много средств | ✅ Дешево, часто на порядок выгоднее |
| Прямое подключение | Для большинства регионов требуется VPN | ✅ Прямой доступ для DeepSeek и др., без сложностей |
| Сложность подключения | Вошел и работаешь | ⚠️ Возможна несовместимость протоколов, может не заработать |
| Возможности кода / Agent | ✅ GPT-5.5 (первый эшелон), стабилен на длинных дистанциях | Достаточно для повседневных задач, на сложных проектах может сбоить |
| Официальная поддержка | ✅ Приоритетный статус | ❌ Экспериментальная функция, при проблемах поддержки нет |
| Стабильность конфигурации | Обновляется вместе с официальной версией | ⚠️ Требуется перенастройка при изменении имени модели или протокола |
Видите разницу? В отличие от статьи про Claude Code, где «сторонние провайдеры — это главный козырь для экономии», в Codex добавляется неопределенность формата «заработает ли вообще», что заметно снижает ценность этого решения.
Кому всё же стоит попробовать? Мои рекомендации:
- ✅ Стоит попробовать: активным пользователям с большим расходом API, чьи задачи в основном сводятся к рутинным операциям CRUD; тем, у кого совсем нет доступа к официальным серверам и кто ищет доступное прямое подключение; энтузиастам, которым интересен сам процесс настройки.
- ❌ Не стоит возиться: тем, кто уже оплатил подписку OpenAI (двойная оплата не имеет смысла); разработчикам сложных архитектурных решений и глубокой отладки (возможностями GPT-5.5 жертвовать нельзя); новичкам, которые хотят простоты и не любят копаться в конфигурациях (этот путь точно не будет легким).
Мой личный вывод: в Claude Code я на постоянной основе использую DeepSeek для черновых задач, а в Codex предпочитаю официальную версию. Дело не в том, что DeepSeek плох, просто путь его интеграции в Codex слишком нестабилен, и проще направить усилия на эффективное использование официальных моделей.
💡 Краткий итог: подключение сторонних провайдеров в Codex несет дополнительный риск несовместимости протоколов по сравнению с Claude Code. Обладателям платных подписок, разработчикам на сложных проектах и тем, кто не любит возиться с настройками, лучше обойти этот способ стороной. Если всё же решите попробовать, помните о его экспериментальном статусе.
03 Два пути: ручная настройка конфигурации против прокси-инструментов
Предположим, вы ознакомились с доводами выше, но всё равно хотите попробовать. Не спешите копировать конфигурацию — есть два пути подключения, и неверный выбор приведет к пустой трате времени.
На этой схеме показана общая картина принятия решений: оба пути ведут к одной цели, но в конечном итоге упираются в «протокол» — барьер, который невозможно обойти при подключении сторонних моделей к Codex.
Путь 1: Ручное редактирование config.toml (официальный механизм)
Codex хранит все настройки в одном файле: ~/.codex/config.toml (это пользовательский конфигурационный файл Codex, источник: официальный документ «Configuration Reference»). Разработчики предусмотрели возможность описывать в нем собственные «провайдеры моделей».
Аналогия: создание контакта в телефонной книге. По умолчанию в вашей книге есть только номер OpenAI. Чтобы «позвонить» в DeepSeek, сначала нужно создать новый контакт: указать имя, номер телефона (base_url) и имя переменной окружения, где хранится API Key. После создания контакта нужно указать Codex: «на этот раз звони по новому контакту».
Ключевых параметров конфигурации всего несколько (все взяты из официального «Configuration Reference»; первые четыре находятся в таблице model_providers, последние два model_provider / model являются параметрами верхнего уровня):
| Параметр | Официальное назначение |
|---|---|
model_providers.<id>.name | Отображаемое имя кастомного провайдера |
model_providers.<id>.base_url | API-адрес провайдера |
model_providers.<id>.env_key | Переменная окружения, из которой считывается API Key |
model_providers.<id>.wire_api | Используемый протокол; официально поддерживается только responses, он же является значением по умолчанию |
model_provider (верхний уровень) | Текущий активный провайдер, по умолчанию openai |
model (верхний уровень) | Имя используемой модели |
Обратите внимание на строку wire_api — в официальной документации четко написано: responses является единственным поддерживаемым значением (responses is the only supported value). Это главное препятствие первого пути: если подключаемая вами сторонняя платформа предлагает только интерфейс в стиле Chat Completions и не поддерживает Responses API, то этот официальный способ настройки может просто не сработать.
⚠️ Официальный API DeepSeek заявлен как «совместимый с OpenAI», но ориентирован он в основном на формат Chat Completions. Сможет ли он корректно обрабатываться по протоколу
responsesв Codex — зависит исключительно от текущих версий реализации с обеих сторон, здесь нельзя дать стопроцентную гарантию. На этом этапе ориентируйтесь только на результаты собственных тестов и официальную документацию. Если заработает — отлично, если нет — это ожидаемое поведение, не стоит винить себя в невнимательности.
Путь 2: Установка стороннего прокси-инструмента (решение сообщества)
Поскольку разница в протоколах мешает интеграции, сообщество нашло выход: запустить локальный прокси-сервер, который будет выполнять роль «переводчика протоколов». Codex отправляет запросы в стандартном формате OpenAI локальному прокси, тот на лету преобразует их и пересылает в DeepSeek, а ответы переводит в обратную сторону. С точки зрения Codex, он на протяжении всей сессии общается с сервером OpenAI.
CC Switch (бесплатный кроссплатформенный инструмент с открытым исходным кодом, репозиторий на GitHub: github.com/farion1231/cc-switch) работает именно по этой схеме: он запускает локальный прокси-сервер, прозрачно перенаправляет запросы Codex на выбранный вами бэкенд и содержит готовые пресеты для популярных платформ (включая DeepSeek), избавляя от необходимости прописывать настройки вручную.
После установки CC Switch откройте главный интерфейс и нажмите «Add Provider» или кнопку «+», чтобы перейти на страницу настройки провайдеров.
На этом скриншоте показан экран добавления провайдера. Выберите на панели слева нужный инструмент (в данном случае Codex) — справа откроется область настроек «Provider» для него. Выберите бэкенд (например, DeepSeek), введите соответствующий API Key, сохраните изменения — теперь CC Switch будет прозрачно перенаправлять запросы Codex на выбранную платформу.
На данном изображении представлен список пресетов при выборе бэкенда — популярные платформы вроде DeepSeek и OpenRouter уже встроены. Вам не придется вручную вводить адреса и детали протоколов, достаточно выбрать платформу и указать API Key.
Аналогия: нанять переводчика. Вы (Codex) говорите только по-английски (протокол OpenAI), а собеседник (DeepSeek) понимает только по-китайски. Первый путь — это надежда на то, что собеседник сам выучит английский (платформа будет поддерживать Responses API). Второй путь — нанять переводчика (прокси-инструмент), который встанет посередине и будет передавать слова. Если переводчик хороший, то и общение пойдет гладко.
Выберите подходящий путь, сравнив их характеристики:
| Параметр | Путь 1: Ручное изменение config.toml | Путь 2: Прокси-инструмент (например, CC Switch) |
|---|---|---|
| Официальный статус | ✅ Да, используется стандартная конфигурация | ❌ Нет, стороннее решение сообщества |
| Адаптация протокола | ⚠️ Полностью зависит от поддержки responses платформой | ✅ Прокси преобразует протоколы, вероятность успеха выше |
| Сложность освоения | Требуется ручное редактирование TOML, легко ошибиться | Графический интерфейс, настройка в несколько кликов |
| Прозрачность | Все настройки под полным контролем | Дополнительное звено («черный ящик»), сложнее искать ошибки |
| Переключение платформ | Требует изменения настроек каждый раз | Быстрое переключение провайдеров в один клик |
| Кому подходит | Тем, кто хочет понять логику и готов к экспериментам | Тем, кто хочет быстрого результата без ручной правки конфигов |
Мое мнение: если вы хотите до конца разобраться в принципах работы Codex со сторонними API, выбирайте первый путь — даже если ничего не заработает, вы поймете логику процесса. Если вам нужен результат прямо сейчас и теория не важна, идите вторым путем, предоставив прокси-серверу решать проблемы совместимости.
💡 Краткий итог: первый путь — это официальный вариант (прозрачный, но зависит от протокола на стороне сервера), второй — сторонний локальный прокси (дополнительное звено, но с более высокой вероятностью успеха). Если не хотите лишних сложностей — выбирайте прокси-инструмент; если хотите разобраться в сути — редактируйте конфигурацию вручную. Но помните, что в обоих случаях ключевым фактором остается совместимость протоколов.
04 Практика: минимальный шаблон конфигурации config.toml
В этом разделе представлен базовый шаблон конфигурации для первого пути. Я называю его именно шаблоном, а не готовым решением «скопировал и забыл», поскольку ранее уже говорил о рисках совместимости: синтаксис параметров официальный и правильный, но заработает ли через него DeepSeek в вашем случае — покажет только практический тест.
Сразу уточним особенности ОС: файл config.toml находится по пути ~/.codex/config.toml (для Mac и Linux это каталог ~/.codex/, а для Windows — C:\Users\Имя_Пользователя\.codex\, где ~ обозначает домашнюю директорию пользователя). Если этого файла нет, просто создайте его.
Шаг 1: Получение API Key для DeepSeek
- Перейдите на платформу разработчиков DeepSeek, зарегистрируйтесь или войдите в аккаунт.
- Создайте новый API Key и сохраните его в надежном месте (он выглядит примерно как
sk-xxxxxxxx).
🔑 API Key — это ключ к вашему кошельку и балансу, никогда не коммитьте его в Git, не пересылайте в чатах и не прописывайте в открытом виде в конфигурационных файлах. Ниже мы настроим использование переменной окружения для хранения ключа, чтобы не сохранять его на диске в открытом виде.
Шаг 2: Добавление ключа в переменные окружения
Сохраните API Key в переменную окружения (имя можно выбрать любое, в данном примере это DEEPSEEK_API_KEY), чтобы в файле конфигурации указывать только название переменной, а не сам секретный ключ.
Для Mac / Linux:
export DEEPSEEK_API_KEY=<ваш DeepSeek API Key>Для Windows (PowerShell):
$env:DEEPSEEK_API_KEY="<ваш DeepSeek API Key>"Команды export и $env: действуют только в рамках текущей сессии терминала. Для постоянного использования пропишите переменную в ~/.zshrc (для Mac) или ~/.bashrc (для Linux) и примените изменения через source, а в Windows добавьте пользовательскую переменную в меню «Свойства системы -> Переменные среды».
Шаг 3: Описание провайдера в config.toml
Откройте на редактирование ~/.codex/config.toml и добавьте следующий блок параметров (все строки соответствуют официальным спецификациям):
# Верхний уровень: указываем Codex использовать кастомного провайдера и модель
model_provider = "deepseek"
model = "<Имя модели DeepSeek согласно официальной документации>"
# Описание кастомного провайдера с идентификатором deepseek
[model_providers.deepseek]
name = "DeepSeek"
base_url = "<Базовый URL API DeepSeek согласно официальной документации>"
env_key = "DEEPSEEK_API_KEY" # Ссылка на созданную переменную окружения
# wire_api не указан, поэтому по умолчанию используется responses (единственный поддерживаемый формат)Кратко разберем строки, чтобы вы понимали суть настроек:
model_provider = "deepseek"— указывает Codex использовать описанного ниже провайдераdeepseekвместо стандартногоopenai.model = "..."— имя конкретной модели. Ориентируйтесь на официальные материалы DeepSeek, имена могут меняться с выходом новых версий, избегайте устаревших названий.[model_providers.deepseek]— это и есть создание «нового контакта». Идентификаторdeepseekдолжен в точности совпадать с указанным выше значениемmodel_provider.base_url— базовый адрес API, актуальное значение берите с сайта DeepSeek.env_key = "DEEPSEEK_API_KEY"— переменная, из которой Codex будет считывать авторизационный токен. Поэтому важно выполнить настройку на шаге 2.
⚠️ Я намеренно оставил значения параметров
modelиbase_urlв виде плейсхолдеров. Во-первых, DeepSeek может изменить эти адреса и названия в любой момент. Во-вторых — повторю еще раз — удастся ли заставить эту связку работать с DeepSeek, зависит исключительно от совместимости протоколаresponses. Проверяйте это на практике. Корректность синтаксиса гарантирована, но совместимость стороннего API со спецификациями Codex от синтаксиса файла не зависит.
Важное напоминание: стандартные идентификаторы провайдеров (
openai,ollama,lmstudio) зарезервированы и не подлежат перезаписи (источник: официальный «Configuration Reference»), поэтому не используйте их в качестве имен для своих кастомных интеграций.
💡 Краткий итог: ручная настройка складывается из сохранения ключа в переменную окружения, описания провайдера в блоке
model_providersв файлеconfig.tomlи указания активной модели/провайдера на верхнем уровне. Синтаксис стандартный, а работоспособность упирается в совместимость протоколов.
05 Проверка: удалось ли подключиться?
После завершения настроек не спешите приступать к работе — сначала выполните проверку. Иначе вы можете потратить много времени и лишь потом обнаружить, что запросы отправляются по старому адресу.
Проверка выполняется в два этапа — от простого к детальному:
Шаг 1: Проверка активной модели
Запустите Codex и введите в чате слэш-команду /model — она показывает и позволяет переключать модель в текущей сессии (источник: официальный документ «Models»). Убедитесь, что Codex распознал вашу модель, а не использует стандартную GPT.
codexПосле запуска выполните команду:
/modelВы также можете явно указать модель при запуске с помощью ключа
-m, например:codex -m <имя_модели>(источник: официальный документ «Models»).
Шаг 2: Тестовый запрос
Одного отображения модели в настройках недостаточно. Главный критерий успеха — отправка простого запроса и получение корректного ответа. Дайте системе простое проверочное задание:
Привет, ответь одной фразой, чтобы подтвердить, что ты работаешь нормально.Возможны три варианта развития событий:
| Результат | Возможная причина | Что делать |
|---|---|---|
| Корректный текстовый ответ | ✅ Подключение успешно | Поздравляем, можно пользоваться! |
| Ошибка 401 / Ошибка авторизации | Неверный API Key или переменная окружения не активна | Проверьте имя env_key, переназначьте переменную окружения, перезапустите терминал |
| Ошибка 400 / Формат / Ошибка протокола | Скорее всего, несовместимость протоколов (ограничение Responses API) | Этот способ настройки может не поддерживаться платформой, попробуйте Путь 2 или другую модель |
| Ошибка «Модель не найдена» | Опечатка в названии модели или провайдер изменил её имя | Сверьтесь с официальной документацией DeepSeek для уточнения актуального имени |
Особое внимание обратите на ошибку 400 / ошибку протокола. Если вы столкнулись с ней, не спешите искать опечатки в своем файле. Это подтверждение тезиса из раздела 03: Codex требует протокол responses, реализации которого на сторонних платформах может не быть. Именно на этом я потерял два часа, прежде чем понял, что дело не в опечатках, а в несовместимости интерфейсов.
В такой ситуации разумнее всего либо переключиться на Путь 2 (доверив прокси-серверу трансляцию протоколов), либо признать текущую несовместимость связки Codex и выбранной платформы, не тратя лишнее время на бесплодные попытки исправить ситуацию — умение вовремя переключиться сэкономит вам часы работы.
💡 Краткий итог: сначала проверьте активную модель через
/model, затем отправьте тестовый запрос. Ошибка 401 обычно указывает на проблемы с ключом доступа, 400 — на несовместимость протоколов. При ошибках протокола меняйте схему подключения или модель, не пытайтесь решить это изменением параметров конфига.
06 После подключения: управление глубиной рассуждений
Если интеграция прошла успешно, вот еще один полезный совет: Codex позволяет настраивать «глубину рассуждений» модели — выбирайте сами, хотите ли вы сэкономить token или получить максимальное качество.
Официально поддерживается параметр model_reasoning_effort со следующими уровнями детализации рассуждений: minimal / low / medium / high / xhigh (наличие уровня xhigh зависит от выбранной модели; источник: официальный документ «Configuration Reference»). Параметр добавляется в файл config.toml:
model_reasoning_effort = "medium"Аналогия: тактика на экзамене. Уровень low похож на быстрые ответы на простые вопросы теста: решение принимается мгновенно, но поверхностно; уровни high / xhigh напоминают решение сложных задач с развернутым ответом — модель думает дольше, строит подробные логические цепочки, ответы получаются точнее, но медленнее. Держать параметр на максимуме постоянно? Качество повысится, но это будет долго и дорого (быстрый расход token).
Я рекомендую следующий подход: для повседневной работы вполне достаточно уровня medium — это быстро и экономично. Переключайтесь на high только для сложных задач, требующих анализа множества файлов и кросс-модульного анализа. Постоянно держать параметр на максимуме нерационально: вы подключали стороннюю модель ради экономии, а в итоге израсходуете весь бюджет из-за избыточных вычислений.
Также важно иметь в виду: после подключения сторонней модели некоторые специфические возможности Codex, тесно связанные с официальным бэкендом, могут работать некорректно или стать недоступными. Это касается функций поиска в памяти или в веб-сети, которые опираются на индексы OpenAI (например, в «Configuration Reference» для параметра web_search прямо указано использование индексов OpenAI). Это подтверждает тезис из раздела 02 об экспериментальном статусе функции: при обычной разработке вы вряд ли с этим столкнетесь, но помнить об этих ограничениях необходимо.
💡 Краткий итог: после настройки соединения регулируйте глубину рассуждений с помощью параметра
model_reasoning_effort. Для рутины используйтеmedium, для сложных задач — временно переключайтесь наhigh, чтобы не свести на нет всю экономию. Также помните, что некоторые официальные функции могут не поддерживаться сторонними моделями.
07 Заключение
Вся эта статья преследовала одну цель и постоянно предупреждала вас об одном: подключение сторонних отечественных моделей вроде DeepSeek к Codex позволяет сэкономить, но остается экспериментальной возможностью, которая менее стабильна, чем аналогичное решение для Claude Code.
Кратко повторим основные моменты:
| Этап | Ключевые выводы и действия |
|---|---|
| Различия | Codex работает с протоколами OpenAI (с фокусом на Responses API), логика отличается от Claude Code |
| Целесообразность | Обладателям активных подписок, разработчикам на сложных проектах и тем, кто ценит простоту, не стоит тратить время |
| Выбор пути | Изучение принципов → ручная правка config.toml; быстрый запуск → прокси-инструмент (например, CC Switch) |
| Настройка | Параметры model_providers + указание активной модели/провайдера на верхнем уровне, авторизация через env_key |
| Проверка | Слэш-команда /model для подтверждения выбора модели, затем тестовый запрос; ошибка 400 — признак несовместимости |
| Оптимизация | Управление глубиной рассуждений через model_reasoning_effort, избегайте избыточного расхода token |
Теперь вы владеете всеми необходимыми знаниями, чтобы принять взвешенное решение о необходимости подключения сторонней модели к Codex, выбрать подходящую схему интеграции, составить корректный файл конфигурации model_providers согласно правилам синтаксиса и быстро диагностировать возможные ошибки протоколов.
И напоследок повторим самое важное правило: при интеграции сторонней модели с Codex главный фактор успеха — это не ваши навыки администрирования, а поддержка провайдером нужного протокола со стороны сервера. Понимание этого факта убережет вас от бесполезных трат времени.
В следующей части 06 · Выполнение первой задачи мы закончим с теоретическими настройками и перейдем к реальной практике. Независимо от того, используете ли вы официальную GPT или подключили стороннего провайдера, попробуйте поручить Codex реальное изменение кода и довести задачу до конца, чтобы лично оценить разницу с привычными вам инструментами разработки. И наводящий вопрос напоследок: с чего вы планируете начать — исправить баг, написать небольшую функцию или сначала дать модели полностью «прочитать» ваш проект?
04 · Подписка и тарификация06 · Выполнение первой задачи