Codex 接入 DeepSeek、Kimi、GLM 教程：模型选择、配置方法与 ClawSocket 入口
Codex 默认面向编码任务，但开发者并不一定只想使用一个模型。有人希望用成本更低的模型做代码定位，有人习惯 DeepSeek、Kimi 或 GLM 的中文解释，也有人希望把多个模型统一放进同一套终端工作流。只要入口提供兼容协议，Codex 就可以作为客户端接入不同模型。
需要先说明一点：DeepSeek、Kimi、GLM 的模型名称、可用接口、上下文上限和价格都会变化。本文按 2026 年 10 月 24 日的配置思路写，具体模型名以你使用的平台控制台为准。不要直接照抄旧教程里的模型名，更不要把某个平台的 Key 用到另一个平台的 Base URL。
一、为什么要把国产模型接入 Codex
Codex 的优势在于工作流：进入目录、读取文件、修改实现、执行测试。模型则决定理解方式、速度、成本和中文沟通体验。接入 DeepSeek、Kimi 或 GLM 后，你可以根据任务切换模型，而不必更换整个终端工具。
例如，简单的代码解释和中文文档整理可以使用成本较低的模型；跨文件重构、复杂调试和长上下文分析可以选择能力更强的模型。对于团队，还可以把默认模型、备用模型和高成本模型分开，避免所有任务都使用最高规格。
二、先确认三个兼容条件
第一，平台是否提供 OpenAI-compatible 接口。第二，接口是 Chat Completions、Responses，还是平台自己的协议。第三，Codex 当前版本需要哪些字段和工具能力。
只写一个 base_url 并不能保证兼容。Codex 可能需要流式返回、工具调用、结构化输出或特定的响应字段。一个接口可以完成普通问答，却无法支持编码 Agent 所需的工具流程。接入前先做小任务验证，效果比只看“兼容 OpenAI”更可靠。
三、通过 ClawSocket 统一接入
如果你希望用一套 Key 管理多个模型，可以先访问 api.clawsocket.com 查看 DeepSeek、Kimi、GLM 当前可用的模型和配置说明。ClawSocket 的作用是提供统一 API 入口，减少不同模型平台之间的配置差异。具体模型列表、价格和能力仍以 ClawSocket 控制台为准。
获取 Key 后写入环境变量：
bash
export CLAWSOCKET_API_KEY="你的 API Key"然后配置 ~/.codex/config.toml：
toml
model = "deepseek-chat"
model_provider = "clawsocket"
[model_providers.clawsocket]
name = "ClawSocket"
base_url = "https://api.clawsocket.com/v1"
env_key = "CLAWSOCKET_API_KEY"
wire_api = "responses"上面的模型名只是示例。假如 ClawSocket 控制台显示的是 deepseek-reasoner、某个 Kimi 模型或某个 GLM 模型，就把 model 换成控制台给出的精确名称。若平台要求使用 Chat Completions，应按平台说明调整 wire_api 或相关配置。
四、接入 DeepSeek 的思路
DeepSeek 通常适合代码解释、中文问答、代码生成和调试分析。接入时不要先假设所有 DeepSeek 模型都支持相同的工具调用和上下文能力。先确认目标模型是否适合 Codex 的 Agent 工作流，再进行完整任务测试。
推荐先用三个小任务验证：让模型读取一个短文件并解释；让它修改一个明确函数；让它运行一个无副作用测试。如果前两个成功，第三个失败，问题可能在工具调用或本地权限，而不是模型本身。
示例配置：
toml
model = "deepseek-chat"
model_provider = "clawsocket"
model_reasoning_effort = "medium"
[model_providers.clawsocket]
name = "ClawSocket"
base_url = "https://api.clawsocket.com/v1"
env_key = "CLAWSOCKET_API_KEY"
wire_api = "responses"如果模型对推理强度参数不接受，删掉 model_reasoning_effort，先验证基础请求。第三方平台可能会把推理参数映射为自己的字段，也可能忽略它。
五、接入 Kimi 的思路
Kimi 常被用于中文长文档、需求分析和代码说明。把它接入 Codex 时，重点检查上下文长度、长文本处理方式和工具调用兼容性。长上下文并不意味着应该把整个仓库一次性交给模型，相关文件范围仍然要控制。
示例配置如下，模型名要以平台列表为准：
toml
model = "kimi-k2"
model_provider = "clawsocket"
[model_providers.clawsocket]
name = "ClawSocket"
base_url = "https://api.clawsocket.com/v1"
env_key = "CLAWSOCKET_API_KEY"
wire_api = "responses"如果 Kimi 模型更适合规划和文档整理，而当前入口对工具调用支持有限，可以先让它分析问题并生成修改计划，再让支持完整工具链的模型执行。这样能发挥模型长文本理解的优势，也减少执行阶段的协议不匹配。
六、接入 GLM 的思路
GLM 系列模型常用于中文开发交流、代码生成和知识问答。接入时同样要核对模型名、接口协议和函数调用支持。不要只因为模型能返回一段代码，就认为它已经适合作为 Codex 的完整执行模型。
示例：
toml
model = "glm-4.5"
model_provider = "clawsocket"
[model_providers.clawsocket]
name = "ClawSocket"
base_url = "https://api.clawsocket.com/v1"
env_key = "CLAWSOCKET_API_KEY"
wire_api = "responses"如果控制台提供的是其他版本，替换成实际名称。遇到 404，优先查看模型列表；遇到 400，优先检查协议和参数；遇到 429，查看余额、额度和并发限制。
七、怎么在多个模型之间切换
最简单的做法是临时覆盖模型：
bash
CLAWSOCKET_API_KEY="你的 API Key" codex -c model="deepseek-chat"或者：
bash
CLAWSOCKET_API_KEY="你的 API Key" codex -c model="kimi-k2"你也可以在配置文件中保留一个默认模型，再通过命令行临时切换。不要同时修改全局 provider、Base URL 和模型名。多个模型共用同一个 ClawSocket provider 时，通常只需要切换 model；如果不同模型需要不同协议，就应分别定义 provider。
八、如何选择模型
简单定位、注释和文档整理，优先看响应速度与价格；复杂重构、跨文件分析和高难度调试，优先看代码能力和稳定性；中文需求梳理和长文档分析，重点看中文表达与上下文表现；需要执行工具的任务，重点看函数调用、流式输出和错误恢复。
不要用一次对话结果做绝对判断。用同一份小型测试任务分别跑 DeepSeek、Kimi 和 GLM，比较四项：是否正确理解要求、是否修改正确文件、是否能处理测试反馈、是否产生可审查的差异。记录真实用量和耗时，再决定默认模型。
九、成本控制
通过 ClawSocket 使用多个模型时，费用取决于实际模型、输入输出量、上下文长度和平台规则。不要只比较单价。一个便宜模型如果需要多轮重试，可能并不比一次完成任务的模型省。
建议为不同任务设默认策略：轻量任务使用低成本模型；复杂任务使用能力更强的模型；长日志先做摘要；失败后先分析错误类型再重试。用量记录要按模型区分，这样才能知道钱花在哪里。
十、常见故障
如果出现“模型不存在”，检查模型名是否来自当前控制台。出现“认证失败”，检查 Key 与 Base URL 是否属于同一平台。出现“请求字段无效”，检查 wire_api 和平台支持的协议。出现“能聊天不能改文件”，检查本地权限和工具调用能力。出现“上下文超限”，缩小任务范围并拆分阶段。
如果你使用 ClawSocket，优先查看其控制台中的请求记录和错误详情。控制台显示请求未到达，重点排查本地配置和网络；请求已到达但被拒绝，重点排查 Key、模型、余额和协议。
十一、推荐的落地顺序
先注册或登录 api.clawsocket.com，确认模型列表和价格；再获取 Key 并设置环境变量；接着在 Codex 中写最小 provider 配置；用一个小项目验证普通问答、文件修改和测试命令；最后才迁移到大型仓库。
把模型切换做成可重复的命令或配置模板，记录每个模型的适用任务和失败情况。这样你得到的是一套可维护的工作流，而不是一次成功、下次又要重新猜参数的配置。
结语
DeepSeek、Kimi 和 GLM 都可以成为 Codex 工作流中的候选模型，但接入是否顺利，取决于真实的协议兼容和工具能力。通过 api.clawsocket.com 统一入口时，先以控制台模型列表为准，再配置 base_url、Key、模型名和协议。先做小任务验证，再把模型交给真实项目，问题会少很多。