Kimi K3 是月之暗面于 2026 年 7 月发布的旗舰模型，拥有 2.8 万亿参数、100 万 token 上下文和视觉理解能力，面向长程编程、知识工作与工具调用任务。将它接入 Codex 有两条可靠路径：若 OpenAI Responses 兼容平台的模型列表已经返回目标模型，可使用云端 Codex 专用端点直接连接；否则通过本地兼容层，把 Codex 的 Responses 请求转换成 Kimi API 使用的 Chat Completions 请求。本文给出模型可用性检查、两套 config.toml 配置、链路测试、成本估算和常见故障处理方法。

在这里插入图片描述

Kimi K3 接入 Codex，是让 Codex 的本地编程 Agent 能力调用 Kimi K3 完成模型推理的配置方案；截至 2026 年 7 月，可选择支持 Responses API 的云端端点，或使用本地兼容层连接 Kimi 官方 Chat Completions API。

为什么 Kimi K3 不能直接填入 Codex

Kimi API 与当前 Codex 使用的模型协议不同，直接连接通常会在请求路径、流式响应或工具调用阶段失败。

  • Kimi K3 的官方端点是 https://api.moonshot.cn/v1/chat/completions，使用 OpenAI SDK 兼容的 Chat Completions API。
  • Codex 官方配置允许定义自定义 model_provider，但当前 wire_api 的公开配置值是 responses。
  • 因此需要兼容层接收 Codex 的 Responses 请求，再转换并发送给 Kimi Chat Completions API。
Codex -> 本地 Responses 兼容层 -> Kimi Chat Completions API

不要把 base_url = "https://api.moonshot.cn/v1" 与 wire_api = "responses" 直接组合。该配置会让 Codex 请求 Kimi API 未提供的 Responses 路径，常见结果是 404、请求格式错误或流式输出中断。

接入前需要了解的 Kimi K3 数据

Kimi K3 更适合复杂编码和长上下文任务，但其默认推理行为与价格结构需要在接入前纳入预算。

指标 官方数据 对 Codex 任务的影响
参数规模 2.8 万亿，Kimi 官方，2026 年 面向复杂推理、编程和知识工作
上下文窗口 1,048,576 tokens，Kimi 官方，2026 年 可处理大型仓库，但输入成本仍随 token 增长
MoE 激活方式 896 个专家中激活 16 个，Kimi 官方，2026 年 通过稀疏专家结构控制推理计算量
扩展效率 相比 K2 提升约 2.5 倍，Kimi 官方，2026 年 属于模型架构指标，不等同于每个任务提速 2.5 倍
API 价格 每 100 万 tokens：缓存输入 2 元、未缓存输入 20 元、输出 100 元，Kimi 官方，2026 年 Agent 多轮输出和重试可能成为主要成本

Kimi 官方说明模型权重计划在 2026 年 7 月 27 日前发布。因此在本文发布日期，准确说法是“Kimi K3 已提供 API，完整模型权重尚处于计划发布窗口”，不应把 API 可用等同于权重已经全部公开。

第一步：申请并验证 Kimi API

先独立验证 Kimi API，可以把密钥、余额或模型权限问题与 Codex 协议问题分开排查。

  1. 在 Kimi 开放平台创建 API Key。
  2. 将密钥写入当前终端的环境变量，不要写入 Git 仓库。
  3. 直接请求 Chat Completions 端点，确认模型可用。
export MOONSHOT_API_KEY="YOUR_KIMI_API_KEY"

curl https://api.moonshot.cn/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $MOONSHOT_API_KEY" \
  -d '{
    "model": "kimi-k3",
    "messages": [
      {"role": "user", "content": "请用一句话确认 Kimi API 已连接成功。"}
    ]
  }'

返回 choices 和模型文本说明基础调用已成功。若返回 401，优先检查密钥是否正确、环境变量是否在当前 shell 生效；若提示模型不可用，则检查账户权限与余额。

方案 A：使用云端 Responses 兼容端点

七牛云https://api.qnaigc.com/v1 兼容 OpenAI Chat Completions、OpenAI SDK 和 Codex；其官方 Codex 文档进一步给出了专用的 Responses 地址 https://api.qnaigc.com/bypass/openai/v1。

两个地址用途不同：

地址 协议 适用客户端
https://api.qnaigc.com/v1 Chat Completions OpenAI SDK、使用 /chat/completions 的工具
https://api.qnaigc.com/bypass/openai/v1 Responses 当前 Codex 自定义 Provider

先设置平台 API Key，并查询实际可用的模型列表：

export CODEX_API_KEY="YOUR_API_KEY"

curl https://api.qnaigc.com/v1/models \
  -H "Authorization: Bearer $CODEX_API_KEY"

只有返回结果中确实出现目标模型时，才复制其完整 id。截至本文发布日期，公开 API 文档尚未单独列出 Kimi K3 的平台模型 ID，因此不能把 kimi-k3 直接假定为这里的有效值；若列表中没有目标模型，请使用后面的 Kimi 官方路线。

模型已在列表中时，把 <MODEL_ID_FROM_CONSOLE> 替换为返回的真实 ID：

model = "<MODEL_ID_FROM_CONSOLE>"
model_provider = "compatible_cloud"

[model_providers.compatible_cloud]
name = "OpenAI-compatible cloud"
base_url = "https://api.qnaigc.com/bypass/openai/v1"
env_key = "CODEX_API_KEY"
wire_api = "responses"

这条路线由云端端点直接接收 Codex Responses 请求，不需要在电脑上持续运行本地路由器。配置仍然必须保存到用户级 ~/.codex/config.toml，然后重启 Codex 或新建任务。

方案 B：配置 Kimi 官方兼容层

兼容层的核心要求是“下游向 Codex 暴露 Responses API，上游向 Kimi 发送 Chat Completions API”，具体工具可以选择支持这一能力的本地路由器。

在这里插入图片描述

Kimi 官方接入指南以 CC Switch 为示例。工具版本可能改变菜单和端口，但需要填写的上游参数不变：

配置项 值
上游 API Base URL https://api.moonshot.cn/v1
上游协议 OpenAI-compatible Chat Completions
API Key MOONSHOT_API_KEY 对应的真实密钥
模型 kimi-k3
Codex 路由 开启 Responses API 兼容能力
本地地址 以工具显示为准，如 http://127.0.0.1:PORT/v1

配置完成后先查看兼容层日志，确认服务正在监听本地端口。PORT 只是占位符，必须替换为工具实际给出的数字。

配置 Kimi 官方路线的 Codex Provider

模型提供商必须写入用户级 ~/.codex/config.toml，因为 Codex 会忽略项目级 .codex/config.toml 中的 model_provider、model_providers 和鉴权重定向设置。

先备份现有配置，再加入以下内容：

model = "kimi-k3"
model_provider = "kimi_via_router"

[model_providers.kimi_via_router]
name = "Kimi K3 via local router"
base_url = "http://127.0.0.1:PORT/v1"
wire_api = "responses"

如果密钥已经保存在兼容层中，Codex 配置无需重复写 env_key。如果兼容层要求 Codex 透传密钥，可使用：

env_key = "MOONSHOT_API_KEY"

保存后重启 Codex 或新建任务，让用户级配置重新加载。不要把真实 API Key 直接写进 TOML，也不要提交 ~/.codex 中的鉴权文件。

验证 Codex 是否真的使用目标模型

最可靠的验证方法是执行一个只读小任务，同时观察 Codex 和服务端日志；使用 Kimi 官方路线时还要检查本地兼容层日志。

请读取当前项目的 README，总结技术栈和启动命令，不要修改任何文件。

验证清单：

  1. 云端路线应请求 https://api.qnaigc.com/bypass/openai/v1，模型 ID 与 /v1/models 返回值一致。
  2. Kimi 官方路线应先请求 http://127.0.0.1:PORT/v1，再由兼容层调用 /v1/chat/completions。
  3. Kimi 官方路线的上游模型名称应为 kimi-k3。
  4. Codex 能收到完整流式响应并结束任务。
  5. 只读任务稳定后，再测试文件修改、命令执行和多轮工具调用。

Kimi K3 始终开启思考模式，官方当前仅支持 reasoning_effort = "max"。同时，temperature = 1.0、top_p = 0.95、n = 1 及惩罚参数有固定要求，兼容层不应强行覆盖这些采样字段。

常见错误怎么排查

协议、端口和鉴权是 Kimi K3 接入 Codex 时最常见的三类故障源。

在这里插入图片描述

现象 常见原因 处理方法
Codex 仍显示原模型 配置写入项目目录或旧任务未重启 检查 ~/.codex/config.toml，重启或新建任务
连接本地地址失败 兼容层未启动或端口不一致 对照工具实际端口修改 base_url
401 鉴权失败 密钥无效、未加载或未转发 重新设置 MOONSHOT_API_KEY，检查路由器上游配置
云端路线返回 404 把通用 /v1 地址用于 Codex Responses 改用 /bypass/openai/v1 专用端点
云端路线提示模型不存在 配置中的模型 ID 并非平台实际返回值 重新请求 /v1/models 并复制完整 ID
404 或请求格式错误 Codex 直接请求 Kimi Responses 路径 开启本地 Responses 兼容路由，不要直接连接 Moonshot Base URL
流式输出中断 兼容层没有正确适配流式事件 查看兼容层日志，升级或更换支持 Codex Responses 的版本
Token 消耗过快 Agent 重试、工具循环或长历史反复发送 设置日预算，拆分任务，必要时立即中止循环

成本如何估算

Codex 任务成本应按“未缓存输入、缓存输入、输出”分别估算，而不是只看一次对话的字数。

费用 = 未缓存输入 tokens / 1,000,000 x 20 元
     + 缓存输入 tokens / 1,000,000 x 2 元
     + 输出 tokens / 1,000,000 x 100 元

例如一次任务累计使用 20 万未缓存输入、30 万缓存输入和 5 万输出，按 2026 年 7 月 17 日官方价格估算为 4 + 0.6 + 5 = 9.6 元。实际账单以平台计量为准，工具调用失败后的重试也可能继续消耗 token。

常见问题

Q：Kimi K3 可以不经过兼容层直接连接 Codex 吗？

Kimi 官方 API 不能直接作为 Codex Responses Provider，因为它使用 Chat Completions。若兼容平台的 /v1/models 已返回目标模型，则可以通过其 Codex 专用 Responses 端点直接连接；否则仍应采用 Kimi 官方指南中的本地兼容层方案。

Q：为什么配置必须放在 ~/.codex/config.toml？

Codex 出于安全考虑，会忽略项目级 .codex/config.toml 中可能重定向凭据的提供商配置。用户级文件才适合保存 model_provider、model_providers 和本机路由地址，同时避免仓库把个人配置带给其他成员。

Q：Kimi K3 和高速代码模型应该怎么选？

复杂跨文件修改、长上下文分析和多步 Agent 任务优先使用 kimi-k3。对响应速度更敏感的常规编码任务，可以评估 Kimi 官方列出的高速代码模型，但应先核对当日模型列表和账户权限。

Q：接入成功后为什么费用仍然增长很快？

Codex 会在分析、工具调用、失败重试和验证阶段多轮请求模型。大型仓库还可能反复携带长上下文。应设置项目日预算，先执行只读分析，再分阶段修改和测试，并在出现循环调用时及时中止。

Q：团队可以共享同一个 API Key 吗？

技术上可以，但不利于权限隔离、成本归属和密钥轮换。更稳妥的做法是按项目或成员分配密钥，在兼容层集中记录调用日志，并为每个项目设置预算和撤销机制。

结论与参考资料

Kimi K3 接入 Codex 的关键不是只填写一个 BaseURL，而是让模型可用性和 Responses 协议同时成立。云端平台已返回目标模型时，可以使用 Codex 专用 Responses 地址；模型尚未上架时，则先验证 Kimi API，再通过本地兼容层完成协议适配。

以上结论依据 Kimi API 开放平台、OpenAI Codex 和 OpenAI 兼容云端点的官方配置文档整理。本文内容基于 2026 年 7 月 17 日公开数据，模型列表、价格、Codex 配置项和第三方兼容层界面可能变化，部署前应重新核对官方文档。

参考资料：

# 人工智能
Logo
https://edu.csdn.net/learn/39067/627173?utm_source=2019755004

汇聚全球AI编程工具，助力开发者即刻编程。

更多推荐

cover

2026 AI Agent编程大战——Cursor、Devin、Claude Code谁才是真正的“AI码农“？

avatar AI编程社区
cover

OpenClaw 接入 AI 模型完全指南 | 从零配置到实战应用

avatar AI编程社区

警惕Codex幻觉：AI编程的边界实测

定义：AI模型生成看似合理、语法正确，但逻辑错误、事实不符或无法执行的代码。表现形式虚构不存在的API或函数错误理解业务逻辑需求生成看似可行但存在安全漏洞的代码对过时技术栈给出“现代化”但错误的迁移建议与普通bug的区别：幻觉代码往往“伪装”得很好，需要通过特定边界条件或深入理解领域知识才能发现。AI编程工具无疑将深刻改变软件开发的面貌，但Codex幻觉提醒我们：技术乐观主义需要与审慎的工程实践相

avatar AI编程社区