Codex 怎么接入中转站？config.toml 的 model_providers 配置、验证和常见报错

一句话：Codex 中转站就是提供 OpenAI Responses 接口的中转站。在用户目录的 ~/.codex/config.toml 里加一个自定义 provider，写上站方的 base_url、存放 Key 的环境变量名，再把 wire_api 设为 "responses"，就能让 Codex 走中转。Codex 现在只支持 Responses 协议，只提供 /v1/chat/completions 的站接不上。下面的写法按 openai/codex 当前源码核对（2026-10-28），示例地址统一用 relay.example.com。

去实测：用自己的 Key 检测去比价：看各站倍率

接入前确认三件事

第一，站方支持 Responses 接口，也就是 /v1/responses，并且支持流式返回。Codex 源码里 wire_api 只剩 responses 一个取值，旧的 chat 已经移除。

第二，问清楚站方给的模型名。Codex 默认用的模型站方不一定有，配置里要写成站方支持的名字，Pulse 的 GPT 统一实测标准用的是 gpt-6.1-sol。

第三，Key 放进环境变量，不写进配置文件。config.toml 里只写环境变量的名字（env_key），这样配置可以放心备份和分享。

第一步：设置 Key 的环境变量

变量名可以自己定，下面用 RELAY_API_KEY。macOS、Linux 写进 ~/.zshrc 或 ~/.bashrc：

export RELAY_API_KEY=sk-你的中转站Key

Windows 用 PowerShell 设置为用户环境变量，然后重开终端：

[Environment]::SetEnvironmentVariable("RELAY_API_KEY", "sk-你的中转站Key", "User")

Codex 读取的是启动它的那个终端里的环境变量，设置完要在新终端里启动。

第二步：用 curl 先测一次 Responses 接口

确认站方的 Responses 接口能用、Key 有效，再去改 Codex 配置：

curl -sS -w '\n%{http_code}\n' https://relay.example.com/v1/responses \
  -H "Authorization: Bearer $RELAY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "gpt-6.1-sol", "input": "ping", "max_output_tokens": 16}'

返回 200 和一段带 output 的 JSON 就说明可用。返回 404 多半是站方没有 Responses 接口或路径不对；返回 401 是 Key 不对；返回模型不存在，就换成站方支持的模型名。

第三步：在 ~/.codex/config.toml 里加 provider

配置文件在用户目录：macOS、Linux 是 ~/.codex/config.toml，Windows 是 %USERPROFILE%\.codex\config.toml，没有就新建。写入下面的内容：

model = "gpt-6.1-sol"
model_provider = "relay"
model_reasoning_effort = "high"

[model_providers.relay]
name = "Relay"
base_url = "https://relay.example.com/v1"
env_key = "RELAY_API_KEY"
wire_api = "responses"

base_url 要写到 /v1 为止，Codex 会在后面拼上 /responses，这和官方默认地址 https://api.openai.com/v1 的写法一致。provider 的名字（这里是 relay）自己定，但不能用 openai、ollama、lmstudio 这些内置名字。model_reasoning_effort 是思考档，可选 minimal、low、medium、high、xhigh 等，站方分组不支持高档位时会报错，按站方说明调低。

自定义 provider 默认不要求 OpenAI 登录：requires_openai_auth 不写就是 false，Codex 会跳过登录界面，直接从 env_key 指定的环境变量里读 Key。

第四步：启动并确认走的是中转

在新终端里运行 codex，发一句话。能正常回复，再到站方后台的使用记录里看到这次请求，就确认走的是中转。也可以临时把 base_url 改错，Codex 报连接错误，说明配置确实生效了。

需要在多个中转站之间切换时，可以在 config.toml 里定义多个 [model_providers.xxx]，再用 [profiles.xxx] 写各自的 model_provider 和 model，启动时用 codex --profile xxx（或 -p xxx）选择。

为什么写在项目里的配置不生效

Codex 也会读取项目目录里的 .codex/config.toml，但出于安全考虑，项目级配置不能决定把凭据发到哪里。源码里明确列出了项目级配置会被忽略的键，其中包括 model_provider、model_providers、openai_base_url 和 profiles，启动时会给出提示。中转站的配置必须写在用户目录的 ~/.codex/config.toml。

这条规则也是一层保护：别人的仓库里即使放了一个指向陌生地址的配置，也不能悄悄把你的 Key 发出去。

另一种写法：openai_base_url

config.toml 还有一个顶层键 openai_base_url，用来改内置 openai provider 的地址。它沿用内置 provider 的 OpenAI 登录流程，首次启动会出现登录界面。接中转站时，用上面的自定义 provider 更直接，Key 的来源也更清楚。

常见报错怎么处理

报错原文与字段名来自 openai/codex 源码（2026-10-28），提示文字可能随版本略有不同。

接好之后先自测

Codex 用的 GPT 推理模型有一个常见问题：推理被截断。看返回 usage 里的 reasoning_tokens，同一道难题反复只有 516、1034 这类固定值，就是截断特征，判读方法见《怎么判断掺水、降智、假模型》。也可以用 Pulse 的在线检测按统一标准跑一遍。

另外，Codex 每次请求会自带约 4k token 的默认指令，这部分会按输入计费。Pulse 的实测会识别它，只扣完整性分，不算掺水；如果多出来的输入远超这个量，才需要怀疑站方额外注入了提示词。

安全上，Codex 会读取代码、执行命令，这些内容都会经过中转站。不要在 Codex 能访问的目录里放私钥和生产配置，给中转单独设额度。

我们的数据

Codex 对应 Pulse 的 GPT 分组。下面是 GPT 分组的整体情况：分组数、倍率分布、统一标准实测结论和截断特征命中次数，随每轮采集自动更新。具体站点在站点排名里按 GPT 筛选。