Codex CLI mit Muapi

Konfiguration

~/.codex/config.toml (macOS/Linux) oder %USERPROFILE%\.codex\config.toml (Windows):

model = "gpt-5-6-sol"
model_provider = "muapi"

[model_providers.muapi]
name = "Muapi"
base_url = "https://api.muapi.ai/openai/v1"
env_key = "MUAPI_API_KEY"
wire_api = "responses"

API-Schlüssel

macOS/Linux:

export MUAPI_API_KEY=your_key

Windows PowerShell:

$env:MUAPI_API_KEY = "your_key"
setx MUAPI_API_KEY "your_key"

Wichtige Details

  • base_url ist die Wurzel; Codex hängt /responses an.
  • env_key nennt die Variable, die den Schlüssel enthält, nicht den Schlüssel selbst.
  • Setzen Sie model ausdrücklich auf eine ID vom Modelle-Endpunkt und verwenden Sie nicht den integrierten Standard von Codex.
  • Die Provider-IDs openai, ollama und lmstudio sind reserviert; verwenden Sie muapi.
  • Halten Sie die Provider-Konfiguration in der Datei auf Benutzerebene, nicht in Projektdateien.

Modelle

curl -s -H "Authorization: Bearer $MUAPI_API_KEY" https://api.muapi.ai/openai/v1/models

Unzensierte (abliterated) Modelle

Der Modelle-Endpunkt listet auch die toolfähigen unzensierten Modelle von Muapi auf (zum Beispiel qwen-3-8-27b-obliterated, mimo-v2-6-flash-abliterated). Setzen Sie model = "<id>" in config.toml, um eines zu verwenden; Muapi übersetzt für Sie zwischen dem Protokoll von Codex und der Chat-API des Modells.

  • Experimentell: Die Qualität variiert je nach Modell, und kleinere Modelle können bei Aufgaben mit mehreren Dateien Schritte auslassen.
  • Es gibt kein Prompt-Caching, daher wird jede Runde für die gesamte bisherige Unterhaltung berechnet.
  • Die Ausgabe pro Antwort ist auf 16,384 Tokens begrenzt, und die Kontextfenster sind kleiner als bei GPT.
  • Codex muss in jeder Runde die vollständige Unterhaltung senden (das ist sein Standard für benutzerdefinierte Provider). Anfragen, die auf previous_response_id angewiesen sind, werden mit einer klaren Fehlermeldung abgelehnt.
  • Integrierte Codex-Tools außer Shell-artigen Function-Tools und apply_patch (zum Beispiel die Websuche) sind bei diesen Modellen nicht verfügbar.

Reasoning-Aufwand (optional)

model_reasoning_effort = "high"

Überprüfen

codex doctor