新闻详情

新闻详情

首页 / 资讯中心 / 详情

Codex + OpenRouter :接入超多免费大模型,告别 Token 焦虑

发布时间:2026/11/18 22:58:47来源:尧图网络
Codex + OpenRouter :接入超多免费大模型,告别 Token 焦虑
Codex OpenRouter 接入超多免费大模型告别 Token 焦虑一句话速览Codex 是 OpenAI 官方开源的命令行 AI 编码 Agent纯终端运行、支持自定义模型供应商。通过接入 OpenRouter 聚合平台一个 API Key 即可调用 13 款完全免费的大模型——NVIDIA Nemotron 3 Ultra 550B、Thinking Machines Inkling 975B、Cohere North Mini Code 编码模型等覆盖编码、推理、多模态全程 0 元、无需绑卡5 分钟跑通。 目录背景Codex 是什么免费模型总览OpenRouter 13 个免费模型免费使用指南两种接入方式3.1 方案一config.toml 配置文件推荐3.2 方案二对话式无脑接入最简单局限性总结Codex 免费大模型 零成本终端编码参考链接背景Codex 是什么Codex是 OpenAI 官方推出的开源命令行 AI 编码 Agent在终端中直接运行支持代码生成、重构、Bug 修复、多文件编辑等全流程开发任务。与图形化 IDE 不同Codex 是纯 CLI 工具适合喜欢终端工作流的开发者。项目详情开发公司OpenAI产品定位开源命令行 AI 编码 Agent运行方式终端 CLI纯文本交互模型接入支持 config.toml 自定义供应商开源协议Apache 2.0GitHub 仓库github.com/openai/codexCodex 原生支持通过~/.codex/config.toml配置自定义模型供应商这意味着你可以接入任何 OpenAI 兼容 API——包括 OpenRouter 的 13 款免费模型无需 ChatGPT 订阅。安装方式npm install -g openai/codex需 Node.js 18安装后终端运行codex即可启动。免费模型总览OpenRouter 13 个免费模型OpenRouter 是全球最大的模型聚合平台一个 API Key 调用几十家厂商的模型。截至2026 年 9 月 23 日查询OpenRouter 提供以下完全免费模型模型参数上下文特点NVIDIA Nemotron 3 Ultra550B / 55B 激活1MAgent 编排、深度推理、企业级任务NVIDIA Nemotron 3 Super120B / 12B 激活262K多步推理、跨文档推理、任务规划NVIDIA Nemotron 3.5 Lightning30B / 3B 激活1M高吞吐 Agent 工作流Thinking Machines Inkling975B / 41B 激活1.05M多模态文本图片音频、推理编码Thinking Machines Inkling Small276B / 12B 激活1.05MInkling 轻量版推理编码RAGPoolside Laguna S 2.1118B / 8B 激活262K编码专用DeepSWE 40.4%Cohere North Mini Code30B / 3B 激活256K编码 Agent 模型支持工具调用inclusionAI Ling 3.0 Flash VL124B / 5.5B 激活262K多模态视觉感知、即时/推理混合inclusionAI Ling 3.0 Flash Fin124B / 5.1B 激活262K金融专用投资工作流多步规划inclusionAI Ling 3.0 Flash Sante124B / 5.1B 激活262K医疗专用临床安全医学推理Dots Studio Dots3-Note Preview280B / 16B 激活512K推理编码多模态长上下文Nex AGI Nex-N2.5-Pro—262KAgent 编码、GUI 自动化、深度研究Nex AGI Nex-N2.5-Mini—262KNex 系列轻量版自主软件工程模型名后缀:free即为免费版如nvidia/nemotron-3-ultra-550b-a55b:free。编程场景推荐优先使用 NVIDIA Nemotron 3 Ultra 和 Cohere North Mini Code。Nex AGI 两款模型将于 2026 年 9 月 25 日下架免费版抓紧使用。免费使用指南两种接入方式3.1 方案一config.toml 配置文件推荐Codex 通过~/.codex/config.toml配置文件管理模型供应商这是最稳定、最可控的接入方式。前置注册 OpenRouter 拿 API Key访问openrouter.ai用 Google / GitHub / 邮箱登录右上角头像 → Keys → Create Key复制保存弹出的 Key以sk-or-v1-开头仅展示一次注册即送免费额度无需绑卡、无需充值就能用全部 13 个免费模型。编辑配置文件创建或编辑~/.codex/config.toml填入以下内容model_provider openrouter model_reasoning_effort high model nvidia/nemotron-3-ultra-550b-a55b:free [model_providers.openrouter] name openrouter base_url https://openrouter.ai/api/v1 env_key OPENROUTER_API_KEY设置环境变量在终端中设置 API Key 环境变量exportOPENROUTER_API_KEYsk-or-v1-你的Key建议将该命令写入~/.bashrc或~/.zshrc重启终端后即可永久生效。配置完成后在项目目录运行codex即可启动Codex 会自动使用配置的免费模型。3.2 方案二对话式无脑接入最简单如果你不想手动编辑配置文件可以直接用 Codex 的 AI 对话能力让它帮你配置全程不手动填写任何参数。操作步骤在终端运行codex启动 Codex CLI直接对 Codex 说类似以下的话帮我把 Codex 接入 OpenRouter。编辑~/.codex/config.toml设置 model_provider 为 openroutermodel 为 nvidia/nemotron-3-ultra-550b-a55b:freebase_url 为 https://openrouter.ai/api/v1env_key 为 OPENROUTER_API_KEY。同时帮我设置环境变量 OPENROUTER_API_KEY。Codex 的 Agent 会自动读取配置、编辑文件、写入环境变量根据提示确认即可全程无需手动操作优点零门槛适合不熟悉 TOML 配置的新手。注意该方式依赖 Codex 自带模型的 Agent 能力首次使用需先安装 Codex 并能联网。局限性局限说明免费随时可能下架厂商调整政策不打招呼模型列表并非固定不变速率限制免费端点约 20 次/分钟高并发场景不够用数据可能被收集部分免费模型的对话数据可能被厂商收集训练不支持生产环境免费模型适合测试/学习/跑通流程别押关键业务模型能力差异大3B 激活和 41B 激活能力差距明显需按需选择中文优化有限OpenRouter 免费模型以英文优化为主中文场景有差异总结Codex 免费大模型 零成本终端编码步骤操作耗时1. 注册openrouter.ai 拿 API Key2 分钟2. 接入编辑 config.toml 或对话式接入3-5 分钟3. 使用终端运行 codex 开始编码即时Codex OpenRouter 的核心价值OpenAI 开源 CLI 编码 Agent 13 款免费大模型NVIDIA 550B、Thinking Machines 975B、Cohere 编码模型一个 API Key 全搞定全程 0 元、无需绑卡、无需 ChatGPT 订阅。对于喜欢终端工作流且想零成本获得 AI 编码能力的开发者这是目前全网门槛最低的方案。参考链接OpenRouter Codex CLI 集成指南https://openrouter.ai/docs/guides/coding-agents/codex-cliOpenRouter 模型列表https://openrouter.ai/modelsCodex GitHub 仓库https://github.com/openai/codex觉得有用点赞 收藏 关注并留你最关心的内容后续考虑持续跟进更多相关内容。声明资源可能存在第三方来源若有侵权请联系删除
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/18 21:21:17

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/18 14:20:46

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/18 20:01:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/18 11:04:06

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/18 15:55:22

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/18 21:21:16

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉