OpenCodex: Як Керуєш Штучним Інтелектом Просто з Власного ПК
Якщо ви думали, що застосунок ChatGPT Desktop працює лише через сервери OpenAI, то ось несподіванка — він насправді підключається до різних моделей, зокрема через підписку OpenCode, MiniMax M3 і навіть локальні LLM, такі як Qwen 3.8 27B та GLM-5.3-Flash.
Інтеграція Codex у ChatGPT: Єдиний додаток для чатів і коду
Цього року OpenAI об’єднав програму Codex із ChatGPT, запропонувавши простий перемикач між чат-режимом і режимом кодування. Тепер можна легко керувати проектами, вибирати потрібні моделі і ставити питання чи вести діалог. Хоча офіційно ви обмежені моделями OpenAI, є відкрите рішення — утиліта opencodex, яка відчиняє двері до широкого спектра моделей за межами OpenAI.
OpenCodex робить вигляд, що він OpenAI API, а насправді працює на вашому комп’ютері
Проста заміна базової URL-адреси у Codex
Звичайна підтримка OpenAI Responses API у Codex супроводжується можливістю змінити базову URL з локальної машини. Встановивши opencodex, він змінює файл ~/.codex/config.toml, додаючи змінні оточення, які спрямовують запити через проксі на ваш комп’ютер:
# Auto-injected by opencodex
openai_base_url = "http://127.0.0.1:10100/v1"
# Auto-injected by opencodex
experimental_realtime_ws_base_url = "http://127.0.0.1:10100/v1"Це означає, що всі запити Codex спочатку проходять через проксі, яка збирає доступні моделі з різних джерел і передає дані уже у застосунок. Моделі, які ви додали, з’являються у списку у звичному вигляді — наприклад, GLM-5.3-Flash позначена як “vllm/glm-5.3-flash”. Такий підхід дозволяє зберігати сумісність з оновленнями Codex і працювати через командний рядок і десктоп-додаток.
Як легко встановити та налаштувати OpenCodex?
Команда npm для миттєвого старту
Щоб запустити opencodex, достатньо виконати просту команду npm install, яка одночасно прописує проксі та веб-панель керування. Після цього можна скористатися “ocx init” для покрокового налаштування, який проведе вас через вибір провайдера, конфігурацію та внесення необхідних змін у config.toml.
OpenCodex підтримує моделі, що працюють локально на стандартних портах через різні рантайми, але також сумісний із будь-якими моделями, що підтримують API, сумісний з OpenAI чи Anthropic. Це особливо зручно, якщо у вас є кілька моделей на різних комп’ютерах — всі вони спільно працюють через opencodex.
Додати власну модель дуже просто. Наприклад, створивши нового провайдера vLLM і підключивши кластер DGX Spark, система одразу підхопить GLM-5.3 Flash. У веб-інтерфейсі відображається статистика по токенах, API-запитах, вартості обробки та використанню моделей — це допомагає тримати руку на пульсі.
Модель MiniMax M3: випробування й труднощі
Хоча opencodex справедливо каже, що підтримує “будь-який LLM”, варто враховувати, що деякі моделі можуть не впоратися з унікальною системою виклику інструментів у Codex. Наприклад, MiniMax M3 при тестах зазнав значних складнощів через особливості виклику команд інструментів, як-от apply_patch або tool_search.
Однак такі моделі, як GLM-5.3 Flash і Qwen 3.8 27B, працювали без проблем. Якщо ваша модель працює у системах типу Pi або Claude Code, але не в Codex, першочергово перевірте, чи коректно вона виконує виклики інструментів. Загалом, більшість популярних моделей сумісні і працюють стабільно.
Особливості веб-пошуку і обробки зображень
Варто знати, що запити веб-пошуку все одно проходять через сервери OpenAI, так само, як і обробка зображень для текстових моделей. Модель отримує спеціальний інструмент “web_search(query)”, який фактично реалізується через GPT-5.6-Luna з вашого ChatGPT-облікового запису.
Крім OpenAI, ви можете налаштувати і інші бекенди для пошуку — Anthropic, xAI, Gemini або Exa. Обробка зображень відбувається за схожим принципом: якщо модель призначена лише для тексту, зображення розпізнається OpenAI, а його опис вставляється в запит замість картинки. Цей спосіб нагадує химерний “проміжний шар”, який допомагає інтегрувати візуальні елементи в інтерфейс Codex.
Опираючись на цей досвід, opencodex створює зручну, багатофункціональну платформу, що дозволяє поєднувати локальні та хмарні моделі у єдиному середовищі з гнучкими налаштуваннями і повним контролем над статистикою й використанням ресурсів.
