Codex Router: несколько моделей в одном Codex
Codex Router добавляет внешние модели в привычный выбор Codex. Разбираем, как он работает, что сохраняет, какие доступы требует и с чего начать безопасный тест.
Обычно модель привязана к конкретной агентной рабочей среде, или harness: вместе с ней меняются интерфейс, настройки и привычный рабочий процесс. Чтобы попробовать другой вариант, приходится переходить в другую оболочку и заново собирать контекст. Codex Router размыкает эту связь.
Это локальный маршрутизатор для Codex. Он добавляет внешние модели в обычное меню выбора: Kimi, DeepSeek, Claude, Grok, Qwen и другие провайдеры. Вы выбираете модель внутри Codex и продолжаете работать в том же проекте.
При этом Codex сохраняет свою основную роль. Он продолжает управлять файлами, навыками, правами доступа и рабочим процессом агента. Router отправляет запрос выбранному провайдеру и переводит его формат в понятный Codex. Родные GPT-модели остаются доступными напрямую.
Практическая польза появляется, когда одну и ту же задачу хочется сравнить на разных моделях или выбрать другой баланс скорости, качества и стоимости. Утром можно работать с GPT, затем открыть новую задачу с Kimi или DeepSeek. Сам Router не решает за вас, какую модель включать.
У такого удобства есть цена. Нужны отдельная установка, локальный фоновый сервис и авторизация провайдера. Запросы к внешней модели уходят этому провайдеру, поэтому Router не превращает облачную модель в локальную. Сначала его разумно проверять на безопасном проекте, с одним провайдером и без клиентских данных.
Главная идея Codex Router проста: рабочее пространство можно сохранить, а модель сделать сменной. Это удобный способ исследовать возможности разных моделей, не собирая для каждой отдельное рабочее место.
Репозиторий: Codex Router на GitHub
Следующий шаг
Если вы хотите сравнить облачные и локальные модели в Codex, начните с практического руководства о подключении собственной LLM: Как поднять свою LLM и подключить к Codex
Связанные материалы
- Статья: Как собрать свою первую команду ИИ-агентов
- Блог: Данные важнее модели
- База знаний: LM Studio — локальный запуск LLM и агент Bionic
Если тема выбора моделей актуальна для вашей задачи, это можно продолжить разбирать на практике.
Если захотите обсудить, как это применить у себя или в команде — пишите в Telegram @pimenov