Codex 接入国产大模型完全指南：用 CC Switch 一站式配置 Kimi、DeepSeek 等

June 6, 2026

喜大普奔！昨天，CC Switch 迎来了一个重要更新。

现在，你不仅可以在 CC Switch 中自由配置国产大模型，还能将它们接入 Codex！

如果你还不了解 CC Switch，这里先简单介绍一下：它是 GitHub 上一个热度极高的开源项目。

目前，该项目的 star 数已经突破 85K，社区活跃度可见一斑。

GitHub 地址：

熟悉 Claude Code 的朋友应该知道，想要在 Claude Code 中使用国产模型，往往需要手动修改 baseURL，过程相对繁琐。而 CC Switch 就是为解决这一痛点而生的，它能让你非常便捷地在不同模型的接口地址之间进行切换。

比如，你可以在 Claude Code 中轻松调用 DeepSeek、智谱 GLM、Kimi，甚至小米的 MiMo 模型……

上图就是我的实际配置，已经接入了 DeepSeek、Kimi 和小米模型。

回到这篇文章的核心：如何在 CC Switch 中配置 Codex，并用上国产模型？

下面，我就以在 Codex 中使用 Kimi 模型为例，一步步带大家操作。

1、安装 CC Switch

作者已经贴心地为 Windows 和 Mac 用户准备好了安装包，开箱即用。

我们直接到 Release 页面下载最新版本。

下载地址：

https://github.com/farion1231/cc-switch/releases/tag/v3.16.0

将页面拉到最底部，你会看到如下界面。

根据我的截图，选择对应系统的版本下载即可，Mac 或 Windows 各取所需。

已经安装过？

如果你之前已经安装了 CC Switch，只需进入设置页面，将版本更新至 V3.16。

2、配置 Codex

点击界面上 OpenAI 的图标，然后点击右侧的加号按钮，新建一条配置。

可以看到，这里支持接入的国产模型种类相当丰富，包括 DeepSeek、豆包、Kimi、小米 MiMo 等。

本次演示我们选择 Kimi 模型。

在对应输入框中填入 Kimi 的 API Key。

这个 API Key 从哪里来？

当然是从 Kimi 的官方平台获取。

3、获取 Kimi 的 API Key

✅地址： https://platform.kimi.com/console/account

如果账户余额不足，可以先充值体验，比如先充 10 元试试水。

接着，在 API Key 管理页面新建一个 API Key。

将生成出来的 API Key 粘贴回 CC Switch 的第二步配置中。

4、配置模型

向下滑动页面，点击“获取模型”，在下拉框里选择 Kimi 2.6，然后点击添加。

5、启动 Kimi

回到主界面，切换到 Kimi 模型，系统会提示你开启路由服务。

6、开启路由服务

点击右上角的设置图标，进入设置页面。

在“路由”选项卡中，打开【路由总开关】，并在下方启动 Codex。

7、登录 Codex

假设你已经安装过 Codex 🤔

如果此前没有登录过账号，可以选择“其他方式”登录。这里采用 API Key 登录 Codex。

✅如果你已经登录了 Codex 账号，无需退出，直接跳过这一步即可。

这里的密钥可以随意填写一个。因为我们在 CC Switch 中已经配置好了真正的 API Key，这一步的输入实际并不会被用到。

8、验证效果

进入 Codex 主界面后，留意右下角的模型显示，已经成功变更为 Kimi 模型。

我们试着发送一个问题测试一下，模型顺利给出了回复。

Kimi 2.6 模型已经具备图片识别能力，因此你可以将截图直接发给它。

从结果来看，Codex 准确识别出了图片中的文字，说明视觉理解能力也已打通。

至此，你就可以毫无阻碍地享受 Codex 带来的强大功能了。

9、原理解析 🤔

你有没有想过，CC Switch 背后到底做了些什么？ 🤔

OpenAI 作为大语言模型领域的先行者，早期开发者最熟悉的接口莫过于：

/v1/chat/completions

这套接口后来几乎成了行业的“事实标准”。许多第三方模型厂商，尤其是国内厂商，如 DeepSeek、Kimi、GLM、MiniMax 等，都宣称自己“兼容 OpenAI 接口”。

随后，OpenAI 又推出了新一代接口：

/v1/responses

这套 Responses API 更像是一个统一的协议，能更好地支撑多轮对话、推理、工具调用以及流式输出等复杂能力。而 Codex 底层采用的，正是这套全新的 Responses API。

问题来了：国内许多模型厂商并未兼容这套新协议🤣

CC Switch 在这里充当了一个智能中转的角色，它会在本地启动一个服务，整个调用链路如下：

Codex  
  ↓ 发送 /v1/responses 请求  
  
CC Switch 本地代理  
  ↓ 将 Responses 请求翻译为 /v1/chat/completions 请求  
  
DeepSeek / Kimi / GLM / MiniMax 等上游模型  
  ↓ 返回 Chat Completions 格式的 JSON 或 SSE 流  
  
CC Switch 本地代理  
  ↓ 再将 Chat 格式翻译回 Responses 格式  
  
Codex

这件事真正有趣的地方，并不只是 Codex 能不能接入 Kimi，而是它把 Codex 中一层极为关键的能力拆解了出来。这层能力如今有一个越来越流行的名字——Harness。

你可以先简单记住一个公式：

**Harness = Agent - Model**

听起来可能有点抽象，我用 Codex 来举个例子。

Codex 无疑是一个 Agent，它并非只会与你聊天，还能读取文件、修改代码、调用工具、管理上下文、规划任务，并在需要时向你请求执行确认。这些能力，其实并不属于模型本身。模型更像个负责“思考和生成”的大脑，而 Codex 那一整套交互设计、工具调用、上下文维护、权限控制和任务执行的“身体与操作系统”，才是 Harness。

以往，我们使用 Codex 时，默认是 OpenAI 的 GPT 模型加上 OpenAI 的 Harness，两者深度绑定。这套组合固然强大，但在国内，网络环境、账号注册、支付方式等问题往往让许多人无法顺畅体验。

CC Switch 这类中间层路由服务，让你有机会把模型这颗“大脑”替换掉。Harness 依然是 Codex 原汁原味的 Harness，但底下的模型，可以暂时切换成 Kimi、DeepSeek、GLM、MiniMax、MiMo 这些国产力量！

随着国产模型的能力愈发强劲，我们有理由相信，它们终将稳稳跻身第一梯队。

以上就是本篇文章的全部内容了。如果对你有帮助，欢迎点赞和关注～🥰