在 Codex 中使用

Codex 是 OpenAI 提供的编程 Agent。Kimi Code 服务端原生支持 OpenAI Responses API（流式/非流式、reasoning、function calling 均可用），Codex CLI、桌面端可以通过自定义 model provider 直连，无需任何本地路由或协议转换工具——本文介绍具体配置方法。

OpenAI Responses API 支持文本和图片输入，暂不支持视频输入。如需分析视频，可先用 ffmpeg 提取关键帧后交给模型。

会员权限

模型上新推荐

K2.8 Preview 现已全量上线 Kimi Code，kimi-for-coding 直接升级、无需修改配置：综合性能接近 K3，支持 low / high / max 三档思考程度与最高 1M 上下文。详见最新动态。

配置前先了解自己的会员档位（新老套餐规则对比见会员权益），再根据下表选择合适的模型：

会员档位	可用模型	上下文窗口
Go（新套餐）	无 coding 额度	—
Andante（老套餐）	`kimi-for-coding`	`1048576`
Plus / Moderato	`k3` `k3-256k` `kimi-for-coding`	`k3`：`262144` `k3-256k`：`262144` `kimi-for-coding`：`1048576`
Pro 及以上 / Allegretto 及以上	`k3` `k3-256k` `kimi-for-coding` `kimi-for-coding-highspeed`	`k3`：`1048576` `k3-256k`：`262144` `kimi-for-coding`：`1048576` `kimi-for-coding-highspeed`：`262144`

准备工作

在 Kimi Code 控制台创建并保存 API Key。
安装 Codex CLI：

Bash

第一步：创建模型目录 models.json

在 Codex 配置目录下创建 models.json：

Text

写入以下内容（此处以 K3 系列模型为例）：

Json

第二步：编写 config.toml

Codex CLI 的配置文件路径：

Text

写入以下内容（文件不存在则新建）：

Toml

各字段含义：

配置项	说明
`model`	默认使用的模型。推荐 `k3-256k`（更省配额），有 1M 上下文需求时用 `k3`
`model_provider`	默认使用的 provider，对应下方 `[model_providers.kimi]` 的表名
`web_search`	联网搜索开关。Kimi Code 端点已支持联网搜索，设为 `"live"` 启用实时搜索
`model_catalog_json`	上一步创建的模型目录文件路径，声明模型的上下文窗口与图片输入能力
`base_url`	Kimi Code 的 API 地址，国内 `https://api.kimi.com/coding/v1`，海外 `https://api.kimi.ai/coding/v1`
`env_key`	存放 API Key 的环境变量名称（这里填 `KIMI_API_KEY`，不是填 Key 本身）。Codex 启动时从同名环境变量读取密钥，变量的值在下一步设置
`wire_api`	请求使用的协议，必须填 `"responses"` 以走 Responses API
`enabled-reasoning-efforts`	桌面端模型选择器中显示的思考档位，仅影响桌面端，CLI 无需此配置

第三步：设置 API Key

推荐通过环境变量提供 Key（即上面的 env_key 方式）：配置文件中不含明文密钥，可以安全分享、备份，也是 Codex 官方推荐的方式。

按操作系统选择对应命令：

Bash

Powershell

使用 Codex 桌面 App 时还需要一步：从 Dock 或访达启动的 App 读不到终端里的环境变量，需要把 Key 注入当前用户会话。在终端执行：

Bash

执行后完全退出桌面 App（Cmd+Q）再重新打开，才会生效。注意：该变量在重启电脑后失效，需要重新执行。Windows 没有这一步——setx 写入的是系统环境变量，重启 App 即可。

备选：写入配置文件（experimental_bearer_token）

如果遇到环境变量不生效的问题（例如 GUI 应用读不到环境变量、CI 环境不便注入等），可以改用 experimental_bearer_token，把 Key 直接写在 provider 配置里代替 env_key：

Toml

明文密钥风险

此方式下 Key 以明文存储在配置文件中，请勿将该文件提交到版本仓库或随 dotfiles 公开分享，是否使用请自行权衡。env_key 与 experimental_bearer_token 两种方式不要同时配置。

第四步：启动并验证

新开一个终端，进入需要使用的项目目录，直接启动 Codex：

Bash

在会话里发一句 hello，能正常返回结果就说明配置已生效。

配置成功的标志：

启动信息中显示 model: k3-256k（或你选用的模型）、provider: kimi；
不再出现 Model metadata not found 警告（models.json 已生效）。

在 Codex 桌面端中使用

桌面端与 CLI 读取同一份 ~/.codex/models.json 和 ~/.codex/config.toml，可按照 CLI 的配置过程完成前三步，随后操作下列步骤：

（仅 macOS）注入环境变量：GUI 应用读不到在终端里配置的变量，先执行下面的命令，把 KIMI_API_KEY 注入用户会话。Windows 的 setx 写入的是系统环境变量，无需这一步。

Bash

重启桌面 App：完全退出（macOS 为 Cmd+Q）再重新打开，新的配置才会被加载。
选择模型开始对话：在模型选择器里选择 Kimi 的模型，打开新线程即可开始使用。

桌面端运行时会自动向 config.toml 追加插件、MCP 等管理字段，属正常现象；手动添加的 Kimi Code 配置会被完整保留，请勿删除这些自动生成的区块。

切换思考程度（effort）

K3 支持 low / high / max 三档思考程度。在 Codex CLI 会话中，输入 /model 重新选中当前模型，然后在 Select Reasoning Level 菜单中选择档位。

切换档位后建议新建会话，避免旧上下文缓存失效带来的额外消耗。

常见问题

报错 Missing environment variable: KIMI_API_KEY

当前进程读不到环境变量。确认已写入正确的 shell 配置文件并新开终端；macOS 桌面 App 参考第三步的 launchctl 方法；仍有问题可改用 experimental_bearer_token。

codex exec 无法执行工具命令

在 user namespace 受限的环境（例如 bwrap 报 ENOSPC）下，Codex 的默认沙箱无法工作，codex exec 需要加上 --sandbox danger-full-access 才能执行工具命令，即 codex exec --sandbox danger-full-access "你的任务"。注意该参数会关闭沙箱隔离，命令将直接在你的真实环境中执行，请确认任务来源可信后再使用。

下一步

模型配置 — 查看模型的能力对比和完整 effort 映射表
会员权益 — 确认可用模型与档位要求

本文是否对你有帮助