Codex CLI 接 DeepSeek / Kimi / Qwen：config.toml 八行配置，三个模型实测花费

OpenAI Codex CLI 接国产模型：在 ~/.codex/config.toml 加一个 Bumo Router 供应商（wire_api = responses），一个 Key 切 DeepSeek、Kimi、Qwen，附 3 个模型写代码跑测试的实测耗时、token 和花费。

可以接。在 ~/.codex/config.toml 里加一个供应商，base_url 填 https://router.bumo.cc/v1，wire_api 填 "responses"，Key 放进环境变量 BUMO_API_KEY，Codex 就能用 DeepSeek、Kimi、Qwen 写代码。我们让三个模型各做一次「写函数 + 写测试 + 跑测试」，全部一次通过。最划算的是 qwen/qwen3.8-flash，这一次约 1 分钱；deepseek/deepseek-flash 约 2 分钱、速度最快；kimi/kimi-k3 约 0.23 元，适合难一点的活。

还没有 Key：到 router.bumo.cc/user/api-keys 注册并创建一把，充值后即可调用。国内直连，按人民币计费。

核验日期：2026-11-13，Codex CLI 0.159.2（npm 安装），Linux，用一个全新的 CODEX_HOME 目录从零照着本文做了一遍。

第 1 步：安装 Codex CLI

npm install -g @openai/codex
codex --version

第 2 步：写配置

编辑 ~/.codex/config.toml（没有就新建），加入下面 8 行：

model = "deepseek/deepseek-flash"
model_provider = "bumo"

[model_providers.bumo]
name = "Bumo Router"
base_url = "https://router.bumo.cc/v1"
env_key = "BUMO_API_KEY"
wire_api = "responses"

每一行的作用：

model：默认模型，必须是带厂商前缀的完整 ID，和 https://router.bumo.cc/v1/models 里一致。
model_provider：指向下面定义的 bumo 供应商。不写这一行，Codex 仍然会去连 OpenAI。
base_url：填到 /v1 为止，Codex 会自己拼 /responses。地址要用 router.bumo.cc。
env_key：Codex 从这个环境变量读 Key，配置文件里不出现明文 Key。
wire_api = "responses"：新版 Codex 只支持 Responses API，Router 对国产模型也提供这个接口，本文三个模型都走它跑通。

这段配置和 Router 接入中心里 Codex CLI 一栏一致，登录后在那里选模型、复制即可。

第 3 步：设置 Key，启动

export BUMO_API_KEY="你的 Router Key"
codex

想长期生效，把 export 那行写进 ~/.bashrc 或 ~/.zshrc。

不进交互界面、直接跑一个任务：

codex exec -s workspace-write "写一个 fizzbuzz 函数和测试，然后运行测试"

-s workspace-write 允许它在当前目录里写文件和执行命令，不加的话默认只读。

换模型

临时换用 -m：

codex -m kimi/kimi-k3
codex -m qwen/qwen3.8-flash

长期换就改 config.toml 里的 model。交互界面里也可以用 /model 切换。同一把 Key 对所有模型通用，不用为每家厂商单独开账号。

实测：三个模型各写一次代码

任务是同一句话：「写 fizz.py，定义 fizzbuzz(n)；写 test_fizz.py 用 assert 测 n=15；运行 python3 test_fizz.py 确认通过。」每个模型在一个空目录里从零开始，codex exec -s workspace-write 非交互执行。跑完我们自己再运行一次测试文件，确认真的通过。

token 取自 Codex 本地会话日志（$CODEX_HOME/sessions 里的 token_count 事件），花费按 Router 模型页的高峰价计算（缓存命中部分按缓存价）：

DeepSeek Flash（deepseek/deepseek-flash）

结果：一次通过
耗时：21 秒
token：输入 29,366（其中缓存命中 25,600），输出 1,182
花费：约 0.018 元

Kimi K3（kimi/kimi-k3）

结果：一次通过
耗时：50 秒
token：输入 19,350（其中缓存命中 12,288），输出 600
花费：约 0.23 元

Qwen3.8 Flash（qwen/qwen3.8-flash）

结果：一次通过，还自己多加了 n=0、n=3 两条边界断言
耗时：42 秒
token：输入 21,835（其中缓存命中 13,312），输出 933
花费：约 0.011 元

几点观察：

输入 token 的大头是 Codex 自带的系统提示词和工具定义，一次小任务就有两三万 token，用户那句话只占几十个。所以小任务的花费主要看输入价和缓存价，缓存价便宜的模型更占便宜。
日常写代码用 DeepSeek Flash 或 Qwen3.8 Flash，一次一两分钱；Kimi K3 单价高一个数量级，留给需要更强推理的任务。
DeepSeek Flash 有闲时价，工作日 9~~12 点、14~~18 点以外半价，晚上跑批量任务更便宜。

常见问题

启动时出现 Model metadata for ... not found. Defaulting to fallback metadata：Codex 内置的模型表里只有 OpenAI 自家模型，对其他模型都会打这条警告。实测三个模型都能正常读写文件、执行命令，可以忽略。
401 Invalid or missing API key：没有在当前终端 export BUMO_API_KEY，或 Key 复制不完整。echo $BUMO_API_KEY 看一眼。
还是去连了 api.openai.com：model_provider = "bumo" 没写，或写在了 [model_providers.bumo] 段下面。这一行必须放在文件顶部、所有 [...] 段之前。
模型不存在：Model ID 漏了 deepseek/ 这类厂商前缀。
地址写成了 api.bumo.cc：这个域名对 POST 请求会 301 跳转，跳转后 Key 会丢，表现为 401。一律用 router.bumo.cc。
能不能用 GPT 或 Claude 模型：本文只覆盖国产模型。Router 当前的模型列表以 /v1/models 为准。