Codex 兼容国产开源模型！实测 DeepSeek 接入：门槛还是太高

6 月 17 日，X 上 OpenAI Codex 团队负责人 Tibo（@thsottiaux）发了一条推文，提醒大家 Codex App、CLI 和 SDK 现在可以接任何开源模型，不只限于 OpenAI 自己的模型。他还直接贴了官方配置文档的链接，指向 OSS 模式和本地 provider 的部分。看到这条消息的时候，我第一反应其实挺意外的，因为 OpenAI 长期以来给人的印象一直是比较封闭，这次突然把自定义模型供应商的门打开，确实有点不一样。

主要是，Codex 并不一个普通的工具，它本质上是一个完整的工作台，能让模型读文件、写文件、调用 shell、抓取网页、执行命令，还能根据工具返回的结果继续推理判断，最后输出可交付的成果。也就是说在 Codex 里，模型不光要会说话，更重要的是得真能干活。

（图源：X）

过去很多人吐槽 OpenAI 封闭，其实不光是因为模型不开源，更核心的原因是它的工具、模型和工作流都被整个包在自家体系里，你可以用，但很难拆开重组。尤其是 Codex 这种 Agent 工具，本质上是模型能力、工具调用、上下文管理、权限控制和本地环境的组合。也就是模型越强，工作台越完整，用户就越不容易离开。现在 OpenAI 给 Codex 留出了 custom model provider 入口，至少在产品姿态上不再只把 Codex 死死绑定在自家模型上。

但你以为 OpenAI 真的突然就彻底放开了吗？雷科技（ID：leitech）实测下来发现，根本就没有这么简单。

这次最容易被误读的地方，其实就是 "Codex 支持第三方模型 " 这句话。很多人看到这里，第一反应会是既然 DeepSeek、Qwen、Kimi 这些模型都提供 API，有些还号称兼容 OpenAI API，那我把接口地址和 API Key 填进 Codex，是不是就能直接用了？我们一开始也是这么测的。Codex 的官方高级配置文档里确实写到了自定义模型供应商，简单说一个 provider 可以定义 Codex 连接模型的方式，包括接口地址、协议类型、鉴权方式和一些附加请求信息。你可以在配置文件里新增一个模型供应商，再让 Codex 指向它。

但我们第一次尝试接入 DeepSeek V4 Pro 的 API，却失败了。

翻阅官方技术文档之后，答案很明显了，那就是 Codex 确实开放了，但只开放了一半，是有条件地开放。文档里写得很清楚，当前自定义供应商公开支持的协议只有 Responses API 这一种，省略不填时它也是默认协议。简单来说，Codex 允许你换模型供应商，但它当前公开配置路径吃的是 Responses API 这套协议，模型供应商能不能进来，不只看它有没有 API，还要看它能不能给 Codex 提供它要的 Responses 形态。

（图源：雷科技制图）

DeepSeek 官方 API 主入口是 Chat Completions，它可以用 OpenAI SDK 调用，模型也能正常填 DeepSeek V4 Pro，对很多聊天应用、普通 API 调用、OpenAI SDK 兼容场景来说，这都没问题，但 Codex 不是这么请求的。我们尝试让 Codex 直连 DeepSeek，模型填 DeepSeek V4 Pro，鉴权也走 DeepSeek 的 Key，启动之后 Codex 实际去找的是 DeepSeek 官方并不存在的 Responses 接口，结果返回 404。

其实就是 DeepSeek 官方的 OpenAI 格式入口并没有提供 Codex 当前要访问的 Responses API 端点。

同样叫 " 兼容 OpenAI"，里面也分很多层。Chat Completions 是一套接口，Responses API 是另一套接口。普通聊天、工具调用、流式输出、推理块、函数调用结果回传，在不同协议里结构并不完全一样。对用户来说这些差别都藏在配置后面，对 Codex 这种 Agent 工作台来说，它们会直接决定任务能不能跑起来。

真正的转机来自 DeepSeek 的另一个入口，也就是 Anthropic API 兼容端点。DeepSeek 官方文档里除了常见的 OpenAI 格式入口，还提供了 Anthropic 格式入口，后者更适合承载工具调用、工具返回结果这类 Agent 场景需要的结构，和 Codex 的工作方式更接近。我们最后跑通的路径，不是让 Codex 直接访问 DeepSeek，而是在本机加了一层轻量 " 翻译器 "。Codex 仍然按自己熟悉的方式发起任务，这个翻译器再把请求转成 DeepSeek 能理解的格式，DeepSeek 返回后，再翻译回 Codex 可以继续执行工具的形态。

更直接地说，目前大家期待的 DeepSeek、Mimo、Kimi、智谱 GLM，目前都没有办法直接拿 API Key 去接入到 Codex，只能用转接桥，和之前流行的 CC Swich 方案差不太多。当然，非要尝尝「直接」也不是不行，阿里百炼大模型目前提供了 Responses 接口，价格嘛，200 元 / 月，有刚需的小伙伴们可以试试。

跑通配置之后，我们选择让 DeepSeek + Codex 去一些更符合雷科技日常的任务，其实主要就是看看第三方开源模型和 Codex 结合，会不会水土不服。

第一个任务是全网搜索雷科技相关资料，结合官网介绍、文章、特色报道，比如 MWC、IFA、AWE 等展会报道，做一份雷科技的商务招商文档，输出成 Markdown 文件。这个任务看起来像写稿，其实包含好几个 Agent 能力点。它要先找资料，找不到搜索工具时要能换策略。拿到网页后要能提取有用信息，信息不能只堆在一起，还要按招商文档的结构重新组织，最后它还要把结果写成本地 Markdown 文件。

DeepSeek V4 Pro 一开始尝试的时候内置网页搜索工具不可用，网页搜索的能力也不顺畅，它直接换了一个方式，从本地终端直接抓取雷科技官网的一手页面，包括首页、关于我们、联系我们、历史专题列表、MWC26 专题、MWC26 凯旋报道、AWE2026 专题等。最后它生成了一份 320 行的 Markdown 文档。内容上它整理出了雷科技的品牌定位、媒体矩阵、用户画像、内容栏目、核心数据、展会报道能力、视频化分发、商务合作模式、合作案例和联系方式。

虽然页面比较粗糙，但是还是能用的。

第二个任务更进一步，读取上一步生成的招商文档，再做一份雷科技 2026 年度招商报告 PPT，输出成 HTML 格式。这一步测试的是连续任务能力。如果第一步只是从网页到 Markdown，第二步就是从已有文档到结构化展示。模型需要理解上一步文件里的 9 个章节，再把它们改造成 10 页 slide，包括封面、关于雷科技、媒体矩阵、内容体系、核心数据、全球展会、视频战略、商务合作、合作案例、联系我们。

最终输出是一个单文件 HTML，约 790 行，接近 40KB，里面包含暗色科技风主题、蓝紫强调色、滚动触发动画、右侧圆点导航、键盘上下翻页、响应式布局和打印导出 PDF 支持。这不是精修设计稿，但已经是一个可打开、可预览、可继续修改的交付物。从完成度看，DeepSeek 在这组轻量任务里是能用的。它的强项很明显，资料整理速度快，长文档组织能力不错，遇到工具不可用时会尝试绕路，生成 Markdown 和 HTML 这类文本型文件比较顺。对于 " 写一份介绍 "" 整理一份资料 "" 根据文档生成展示页 " 这类任务，它已经可以承担初稿生产。

但体验上，它还不像官方模型那样成熟。Codex + GPT 5.5 所有能力都在同一个生态里，模型、工具调用、上下文、视觉能力等都能顺利调用。但 Deepseek 在 Codex 里跑的链路很长，中间还经过了一层转接桥，速度自然是比不上「官配」组合的。

所以在响应速度上，DeepSeek 在简单文本和资料整理任务里没有慢到不能用，但确实不如官方模型来得快。尤其进入 Codex 这种 Agent 工作流之后，它不是一次性回答完，而是要一边调用工具，一边等待结果，一边继续推理。链路多了一层本地翻译，工具调用也要来回跑，速度体感自然会慢一些。

消耗上，这次体感就很直接了，我们给 DeepSeek 账户充了 10 块钱，跑完这两个任务，中间还夹着几轮聊天和调试，最后余额还剩 9.27 元。也就是说这一整轮轻量实测实际只花掉了 7 毛多。DeepSeek 真不愧是性价比之王，假如全都是这类型的任务，那确实可以抛弃 ChatGPT Plus 每月 20 美元的订阅费了。

体验下来，对于多数普通用户而言，Codex 能不能搞第三方模型，意义其实没有那么大，假如只想要简单、丝滑的体验，那么开通个 Plus 会员性价比也不低，毕竟它是和 ChatGPT 打包在一起的。

真正有利的，是那些开源模型。

过去国产和开源模型想进入开发者真实工作流，需要自己做很多产品层能力。一个模型发布 API 只是第一步，后面还有 IDE 插件、命令行工具、文件权限、工具调用、项目上下文、任务记忆、错误恢复、协作界面、审阅流程，这些东西不是模型论文能解决的。

Codex 这类工具的价值，是它把工作台先搭好了。它负责和本地文件系统交互，负责执行命令，负责展示工具调用，负责把任务拆成多轮，负责让模型在上下文里持续工作。第三方模型一旦能接进去，就相当于直接获得了一个成熟 Agent 容器。这对智谱、DeepSeek、Qwen、Kimi 们都是机会。

比如智谱，智谱最近上线了 GLM-5.2，直接强调 1M 无损上下文、长程任务能力提升，Coding 与长程任务评测达到开源 SOTA，在复杂系统工程、深度调试里表现更稳。过去几天，开发者圈对这个模型的评价很高，很多人夸它在代码任务和长程 Agent 场景里的性能非常强。更有意思的是，智谱的 GLM Coding Plan 也开始变成一种稀缺资源，因为太火爆，不少人抢不到，但这其实已经说明国产模型的竞争不再只是发布一个强模型，而是开始围绕 Coding Plan、开发工具接入、Agent 工作流额度和真实工程体验展开。

（图源：智谱）

当然，智谱并不是没有自己的 Agent 工具。它也在做类似 Codex 的图形化 Agent 工作台，用户可以在里面交给模型代码任务、长程任务和工程任务。问题在于，对模型厂商来说，自建工作台和接入 Codex 这类成熟工作台并不冲突。自家工具更适合展示完整能力和打磨闭环体验；接入 Codex，则更像进入一个已经被大量开发者熟悉的工作环境。用户原本就在 Codex 里写代码、跑命令、读项目、交付文件，如果国产模型能出现在同一个任务流里，被使用和被比较的机会都会变多。

在 OpenAI 释出消息后，智谱的股价一路飙升，今天盘中一度大涨超 22%，股价突破 2000 港元大关，市值也站上新高，创下近期新纪录，这已经很能说明问题。

（图源：雅虎财经）

不过，OpenAI 也有自己的考量，Codex 开放 provider 并不意味着 OpenAI 放弃了控制权。恰恰相反，工作台准仍然由它定义。Responses API、模型配置、官方推荐模型、工具调用协议、权限机制，这些关键环节仍然围绕 OpenAI 的体系展开，OpenAI 可能想要的局面，是让 Codex 成为更通用的 Agent 工作台。官方模型负责最强能力和最佳体验，第三方模型负责扩展场景、降低成本、覆盖更多供应商需求。用户可以有选择，但选择发生在 OpenAI 定义的工作台里，这肯定比单纯封闭更聪明。

说到底，Codex 开放明显是双赢的局面，对 OpenAI 来说，它能把 Codex 往平台方向推，让其在不久的将来有可能成为一家独大的 AI 工作台；对对国产和开源模型来说，它们终于有机会进入一个成熟工作台，而不是只待在自己的 Agent 里。可目前来说，OpenAI 开放得还不够，远远不够。