Я вже деякий час використовую програму ChatGPT Desktop, і вона весь час спілкується з серверами OpenAI. Насправді це було спілкування з моделями через мене Підписка на OpenCodeMiniMax M3 і навіть мої локальні LLMs, такі як Qwen 3.8 27B і GLM-5.3-Flash.
На початку цього року OpenAI інтегрував настільну програму Codex у програму ChatGPT, замінивши її простим перемикачем, який перемикає між використанням її для чату та використанням для кодування. Ви можете перемикатися між окремими проектами, вибирати власні моделі або просто ставити запитання чи спілкуватися. Природно, ви обмежені моделями OpenAI, але безкоштовний інструмент із відкритим вихідним кодом дає вам доступ не лише до моделей OpenAI, який називається opencodex.
opencodex — чудовий інструмент, який працює через проксі ChatGPT Desktop; ви відкриваєте веб-інтерфейс, встановлюєте свої моделі та перезапускаєте ChatGPT. Під час запуску він використовує всі звичайні моделі OpenAI разом із тим, що ви налаштували додатково, і просто… працює.
opencodex прикидається OpenAI API, але він працює на вашій машині
Codex може використовувати лише базову URL-адресу
Codex спочатку підтримує OpenAI Responses API, але його базова URL-адреса налаштовується на основі змінних середовища вашого комп’ютера. Коли ви встановлюєте та запускаєте opencodex, він змінює файл ~/.codex/config.toml, щоб додати такі змінні середовища та замінити значення за замовчуванням:
# Auto-injected by opencodex
openai_base_url = "
# Auto-injected by opencodex
experimental_realtime_ws_base_url = "Це дуже просто: коли програма Codex надсилає запит, будь то перелік доступних моделей чи надсилання повідомлення в чаті, він виконується. через перший проксі. Для списку моделей проксі-сервер спочатку зв’язується та збирає відповіді від усіх налаштованих постачальників моделей і перетворює його на список доступних моделей для відображення в програмі. Отже, коли ви вибираєте модель і надсилаєте повідомлення чату, воно досягне проксі перший який потім визначає, куди він йде.
Моделі відображаються у списку моделей Codex як звичайні, а мій GLM-5.3-Flash відображається як “vllm/glm-5.3-flash” разом із усіма моделями в моїй підписці на OpenCode, яку я зв’язав із ним. Причина, по якій він існує як проксі-сервер, а не форк чи зміна Codex, полягає в тому, що переклад витримує оновлення Codex і працює як з CLI, так і з настільною програмою одночасно, і продовжує добре працювати, незважаючи на встановлення кількох оновлень Codex.
Встановити opencodex надзвичайно просто
Проста команда встановлення npm
Щоб розпочати роботу з opencodex, це проста команда встановлення npm, щоб увімкнути як проксі, так і веб-панель. Ви можете використовувати «ocx init», якщо вам потрібен покроковий посібник, який пише конфігурацію, запитує вашого постачальника та пропонує імпортувати файл config.toml із змінною середовища openai_base_url, яку ми згадували вище. З коробки він підтримує моделі, що працюють на тій же машині, використовуючи такі таймінги на портах за замовчуванням:
Однак ви не обмежені цими параметрами, оскільки opencodex підтримує все, що підтримує відповідний OpenAI API або Anthropic Messages API. Він працює через мою приватну мережу, тому я маю різні моделі, що працюють на різних машинах, і всі вони працюють через opencodex.
Як тільки я встановив opencodex, було дуже легко додати власну модель. Я щойно створив новий постачальник vLLM, додав до нього мій кластер DGX Spark, і він автоматично підібрав GLM-5.3 Flash, який досі був моєю улюбленою моделлю. У веб-інтерфейсі я також можу переглядати статистику маркерів, зокрема окремі виклики API, приблизну вартість API, використання окремої моделі тощо. Він дуже гарний і простий у використанні, і він дозволяє оцінити використання маркерів і побачити, де ви використовуєте найбільше.
MiniMax M3 дуже важко
Технічно стверджується, що opencodex може використовувати «будь-який LLM». правильнознаючи, що вимагає інструмент, можна вирішити, чи може ваш LLM справді щось зробити з тим, що ви отримуєте.
Codex має дуже унікальну структуру викликів. У ньому є довільна форма apply_patch для редагування, доступ до оболонки, простори імен MCP і tool_search для виявлення та моделі, навчені певним стилям виклику інструментів, які спричинятимуть помилки під час спроби їх використання. Наприклад, коли я спробував MiniMax M3, він повністю і повністю загубився.
GLM-5.3 Flash і Qwen 3.8 27B добре впоралися з цим, тож не кожна модель буде мати проблеми. Якщо модель, яку ви зазвичай використовуєте в Pi, Claude Code чи OpenCode, працює нормально, але не працює в Codex, я б спочатку перевірив, чи правильно вона викликає інструменти. Чесно кажучи, кожна інша модель, яку я тестував, добре справлялася з Codex, і ця проблема була у MiniMax M3. Схоже, що це, безумовно, проблема ніші, і для більшості людей вона повинна працювати нормально.
Важливо також зазначити, що веб-пошук все одно проходитиме через сервери OpenAI, а також виконуватиме візуальні запити, якщо ваша модель налаштована як модель лише з текстом. Моделям надається інструмент “web_search(query)”, і коли модель викликає його, вона використовує GPT-5.6-Luna з вашого облікового запису ChatGPT для фактичного пошуку. Ви також можете налаштувати фон Anthropic, xAI, Gemini та Exa для пошуку, якщо хочете.
Між тим Vision працює за схожим принципом. Якщо ваша модель є лише текстовою, запит, що містить зображення, надходить на сервери OpenAI, визначається, а потім текст замінює зображення в запиті, яке було б для початково вибраної моделі. Це схоже на те, що я робив зі своїм прокладковим шаром для DeepSeek V4 Flash, але замість цього працював через програму Codex.
Якщо ви працюєте з багатьма магістерськими програмами або запускаєте локальні магістратури разом із хмарними моделями, варто спробувати opencodex. У додатку Codex це бездоганний досвід, і він також виглядає добре. З мого досвіду, моделі роблять добре з інструментом у стилі Codex для виклику синтаксису, але якщо вони цього не роблять, ви завжди можете спробувати замість цього переключитися на іншу модель.
