在 OpenAI Codex 里用 apimodels

最快:装 apimodels 插件,让 Codex 生成视频和图片

Codex 负责规划:写脚本、拆分镜、写提示词、用 ffmpeg 剪辑;插件负责把视频、图片、配音真正生成出来。插件里带了一份技能说明,Codex 会自己判断什么时候用、选哪个模型、视频要等多久、批量生成前先问你 —— 直接用大白话提需求即可。插件不改 Codex 用的模型,用 ChatGPT 账号登录 Codex 也能装。

npx -y apimodels-mcp login

codex plugin marketplace add stimQQ/apimodels-mcp
codex plugin add apimodels@apimodels

3. 直接提需求,比如「做一段 5 秒 16:9 的视频:小猫在晨光里缓慢抬头」。生成视频、图片、语音会花钱,Codex 每次会先请你确认;查进度、查余额不会打扰你。

需要本机有 Node.js。没装的话,装好插件后直接提需求,Codex 会征得你同意替你装官方 Node.js(Windows 只需在系统弹窗点「是」,Mac 在官方安装器里点「继续」「安装」),之后重启 Codex。登录那一步也可以交给 Codex 来跑,你只需要在浏览器里点授权。

三步开跑

1. 1

   拿一个 API key

   到 控制台 新建一个 sk_… 字符串。

2. 2

   写 config.toml

   把下面这段贴到 ~/.codex/config.toml(没文件就新建;Windows 在 C:\Users\你的用户名\.codex\)。

3. 3

   设环境变量 + 启动

   把 key 写进环境变量,重新打开 Codex。

完整配置

# ~/.codex/config.toml — drop-in, paste as-is
model_provider           = "apimodels"
model                    = "gpt-6-sol"        # or "gpt-6-luna" (lowest-priced) / "gpt-5.5"
review_model             = "gpt-6-sol"        # model used by /review
model_reasoning_effort   = "medium"           # low | medium | high
disable_response_storage = true

[model_providers.apimodels]
name     = "apimodels"
base_url = "https://api.apimodels.app/v1"
wire_api = "responses"
env_key  = "APIMODELS_API_KEY"

# put your apimodels key in the env var the config points at,
# then launch codex (add this line to ~/.zshrc to make it stick):
export APIMODELS_API_KEY="sk_…your_key…"
codex

# Windows (PowerShell or cmd) — then reopen Codex:
setx APIMODELS_API_KEY "sk_…your_key…"

字段说明

Codex 里能选哪些模型

Codex 的 model 是它自己用来对话、读代码、改代码的那个模型,每一轮都通过 /v1/responses 调用。所以这里只能填这条端点上的聊天模型;填别的会收到 HTTP 400,报错里会写明原因。

不用插件:手动配置 MCP

视频、图片模型不能填进 model,但可以作为工具交给 Codex 调用。不装插件的话,在同一份 config.toml 里加上我们的 MCP 服务器 apimodels-mcp,Codex 就多了 generate_video、generate_image、text_to_speech 等工具,站上的视频和图片模型都能用。需要电脑上装有 Node.js(用到 npx)。运行过上面的 login,env 那一行可以省掉。

# add to the same ~/.codex/config.toml
[mcp_servers.apimodels]
command = "npx"
args    = ["-y", "apimodels-mcp"]
env     = { APIMODELS_API_KEY = "sk_…your_key…" }
# tool_timeout_sec = 660   # optional: lets one call wait for the whole video

重启 Codex 后提需求。没有插件里那份技能说明,Codex 不一定主动去找这些工具,所以提问时点名「apimodels 的 generate_video」:

Use apimodels generate_video with grok-imagine-video-1.5 to make a 10-second 16:9 video:
a golden tabby kitten slowly raises its head in warm morning light.

视频要等一会儿:中位约 2.5 分钟,九成在 8 分钟内。Codex 默认 60 秒就中止一次工具调用,所以工具每次最多等 50 秒,没出来就先交回任务号,Codex 会自己调 get_task 接着取,拿到视频链接为止。不会重复提交,也不会重复扣费。

Windows 上如果 MCP 服务器起不来,改成经 cmd 启动:

# Windows: if the MCP server does not start, launch npx through cmd
[mcp_servers.apimodels]
command = "cmd"
args    = ["/c", "npx", "-y", "apimodels-mcp"]
env     = { APIMODELS_API_KEY = "sk_…your_key…" }

全部工具、参数和环境变量见 /docs/mcp。

推理努力等级

推理强度是请求体里的 reasoning.effort 参数(Codex 用 model_reasoning_effort 设置),不是模型名后缀。所有等级单价相同;等级越高,reasoning tokens 越多(算进 output_tokens 一起计费)。直接调 API 时传 "reasoning": { "effort": "high" }。

30 秒自检

装 Codex 之前先用 curl 确认端点和 key 都能通:

curl -s https://api.apimodels.app/v1/responses \
  -H "Authorization: Bearer $APIMODELS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-luna",
    "input": "Reply with exactly: ok",
    "reasoning": { "effort": "low" },
    "max_output_tokens": 16
  }'

期望响应(节选):

{
  "id": "resp_...",
  "object": "response",
  "status": "completed",
  "output": [{
    "type": "message",
    "role": "assistant",
    "content": [{ "type": "output_text", "text": "ok" }]
  }],
  "usage": { "input_tokens": 22, "output_tokens": 5, "total_tokens": 27 }
}

看到 HTTP 200 + output[].content[0].text = "ok" 就稳了。

responses 还是 chat?

Codex 用 wire_api = "responses"(它的原生模式,对推理和多轮工具调用处理得最干净),所以给 Codex 就选 responses。这也决定了 Codex 能选的模型范围:Claude、Gemini 只在 /v1/chat/completions 上,在别的只会发 chat 格式的客户端里(Cherry Studio、Cursor 等)照常可用。

排错