在 Codex 中使用 GLM-5.2、GLM-5.3 與 GLM-5.3-Flash:設定與模型選擇
透過 APIMaster 在 Codex 中設定 GLM。了解如何在 Windows、macOS 與 Linux 上找到 config.toml、設定 API 金鑰、啟動互動式對話並選擇模型。
設定好你的 APIMaster API 金鑰與 Codex 的 config.toml,然後執行 codex 即可與 GLM 對話。 使用 glm-5.2、glm-5.3、glm-5.3-flash。Codex 透過位於 https://apimaster.ai/v1 的 Responses API 連線。
開始之前
完成環境檢查,依照通用指南安裝 Codex,並取得一組可存取這些模型且餘額充足的 APIMaster API 金鑰。
codex --version
1. 開啟設定目錄
Windows
按下 Win + R,輸入以下路徑後按 Enter:
%USERPROFILE%\.codex
如果資料夾不存在,請先建立。用文字編輯器開啟或建立 config.toml。請確認檔名不是 config.toml.txt。
macOS / Linux
在 macOS 上,於 Finder 中按下 Command + Shift + G 並輸入:
~/.codex
在 Linux 上,用你的檔案管理器或編輯器開啟同一個目錄。如有需要,可從終端機建立:
mkdir -p ~/.codex
在此目錄中開啟或建立 config.toml。如果你使用自訂的 Codex 狀態目錄,請改用該目錄。
2. 設定 config.toml
兩種平台使用相同的內容:
model = "glm-5.3"
model_provider = "apimaster"
model_reasoning_summary = "none"
model_supports_reasoning_summaries = false
[model_providers.apimaster]
name = "APIMaster"
base_url = "https://apimaster.ai/v1"
env_key = "APIMASTER_API_KEY"
wire_api = "responses"
如果檔案已存在,請先備份並合併這些設定。以覆寫方式取代既有的頂層鍵值,不要重複設定,並將它們放在 第一個 [table] 標題之前。如果 provider 區段已存在,請合併該區段。這會改變新 Codex 工作階段的預設 provider 與模型。
基底網址包含 /v1。請保留 wire_api = "responses";僅有 Chat Completions 端點不足以支援此工作流程。摘要設定關閉的是選用的推理摘要,而非模型內部的思考過程。
若要保留你既有的預設 provider,請改將此設定放在 ~/.codex/glm.config.toml(Windows:%USERPROFILE%\.codex\glm.config.toml)。然後在下面的啟動指令中加上 --profile glm。具名設定檔需要 Codex 0.134.0 或以上版本,並會繼承其他基礎設定。
3. 設定你的 API 金鑰
將 YOUR_APIMASTER_API_KEY 取代為你在 APIMaster 取得的金鑰。TOML 設定儲存的是環境變數的名稱,而非金鑰本身。
Windows PowerShell
在你將用來啟動 Codex 的終端機中執行:
$env:APIMASTER_API_KEY = 'YOUR_APIMASTER_API_KEY'
若要同時為未來的終端機保存:
[Environment]::SetEnvironmentVariable('APIMASTER_API_KEY', 'YOUR_APIMASTER_API_KEY', 'User')
保存永久變數後,請開啟新的終端機,或繼續使用你執行第一個指令的目前終端機。
macOS / Linux
export APIMASTER_API_KEY='YOUR_APIMASTER_API_KEY'
這只適用於目前的終端機。若要在新的終端機中重複使用,請將同一行 export 加入你 shell 的啟動檔,例如 Zsh 的 ~/.zshrc 或互動式 Bash 的 ~/.bashrc,然後開啟新的終端機。含有真實金鑰的檔案請保持私密,並放在共享儲存庫之外。
4. 啟動 Codex 並開始對話
在專案目錄中開啟終端機並執行:
codex
通過正常的首啟或專案信任提示後,確認目前的模型為 glm-5.3。在 Codex 對話 中輸入:
Reply with exactly OK.
若收到正常回覆,即確認基本連線正常。接著你可以請它解釋程式碼、讀取檔案或進行修改。請留意常見的檔案與指令權限提示。
5. 選擇其他模型
對於這些自訂模型 ID,請在啟動 Codex 時明確指定模型。一次在終端機中執行一個指令:
codex --model glm-5.2
codex --model glm-5.3
codex --model glm-5.3-flash
每個指令都會開啟一個互動式對話。若要從已開啟的工作階段切換,請輸入 /exit,然後執行所需模型的指令。若要以另一個模型接續既有的已保存對話,請使用 codex resume SESSION_ID --model MODEL_ID,而不是開始新對話。
在 Codex 中,/model 會開啟其模型目錄,/status 則顯示目前使用的模型。該選單不會自動列出 APIMaster 模型市集中的所有模型。 如果你的 GLM 模型未列出,請依照上述方式使用 --model。請勿假設 Claude Code 的 /model MODEL_ID 語法在 Codex 中可用;它並非此處經過驗證的自訂模型選擇路徑。
若使用選用的具名設定檔,例如:
codex --profile glm --model glm-5.3
若要變更未來啟動時的預設值,請編輯你所使用設定中的頂層 model 值。
疑難排解
| 症狀 | 檢查方式 |
|---|---|
| 缺少 API 金鑰 / 401 | 在啟動 Codex 的終端機中設定 APIMASTER_API_KEY;檢查金鑰有效性與餘額。 |
| 仍在使用其他 provider | 檢查 model_provider、所選設定檔、專案覆寫與啟動旗標。編輯設定後重新啟動。 |
| TOML 解析錯誤 | 避免重複的鍵值或表格;頂層設定必須位於表格標題之前。 |
| 404 / 不支援的通訊協定 | 使用 https://apimaster.ai/v1 與 wire_api = "responses"。 |
| 模型未出現在 /model | 使用完整模型 ID 搭配 codex --model。內建目錄並非閘道器的模型清單。 |
| 模型中繼資料或模型清單警告 | 這些 ID 可能缺少 Codex 中繼資料。請檢查最終回覆;備援的內容長度上限並非經過驗證的模型能力。 |
| 推理/輸出串流警告 | 檢查最終答案與工具結果。若有輸出中斷,請附上模型、CLI 版本、UTC 時間與請求 ID(如有)回報。 |
驗證與選用的工具檢查
記錄的整合測試:2026-09-15 UTC、Codex CLI 0.154.0、Linux。此處列出的所有模型都回傳了預期的文字,並使用工具讀取了本機檔案。這三個模型也都修復了一個小型 Python 函式並執行其測試;測試檔案經過獨立檢查並重新執行。本文提供了 Windows 與 macOS 的設定說明,但這些作業系統並未包含在記錄的測試中。這些檢查並未確立完整的功能相容性、長時間工作階段的行為或最大內容長度上限。
若要檢查檔案工具,請在暫時性專案中建立 probe.txt,內容為:
FILE_PROBE_739182
在該目錄以你選擇的模型啟動 Codex,然後輸入:
Read probe.txt using a tool and reply with its exact contents. Do not guess.
確認有執行檔案讀取工具,且答案與檔案內容相符。請在基本對話正常運作後再使用此檢查。
常見問題
這會使用我的 ChatGPT 訂閱嗎?
請求使用的是你的 APIMaster 金鑰與餘額。Codex 是用戶端;GLM 是所選的模型。此設定不會使 GLM 成為 OpenAI 模型。
為什麼 Claude Code 使用不同的網址?
Codex 使用 https://apimaster.ai/v1 存取 Responses。Claude Code 則是使用網站根路徑 https://apimaster.ai,並自行附加 /v1/messages。