手把手教你把 Codex 默认模型换成智谱 GLM-5.3-Flash，直连官方 API

最近智谱的 GLM-5.3-Flash 挺火的，原生多模态、Coding Plan 额度翻 3 倍，价格还便宜。作为一个天天用 Codex 的运维人，我第一时间就想把默认模型切过去。

折腾了一下，踩了几个坑，把完整过程记录下来，给需要的朋友参考。

先说结论

可以用，而且效果不错。

GLM-5.3-Flash 原生支持视觉能力，配合 Codex 的浏览器插件，能做到"看图写代码、截图找 bug"，这个体验是纯文本模型比不了的。

你需要准备什么

Codex 桌面应用（macOS 或 Windows 都行）
智谱 Coding Plan 账户（个人版/团队版都可以）
Coding Plan 的 API Key（在套餐概览页面新建）

注意：Coding Plan 的 API Key 和智谱开放平台的通用 Key 不是一回事，要用专门的 Coding Plan Key。

完整配置步骤

第一步：获取 API Key

登录智谱开放平台，进入「个人编程套餐」→「套餐概览」，新建一个 API Key。

复制保存好，后面要用。

第二步：创建模型目录文件

Codex 需要一个 models.json 文件来识别第三方模型。

打开终端，创建文件：

mkdir -p ~/.codex

然后在 ~/.codex/models.json 里写入 GLM-5.3-Flash 的模型定义：

{
  "models": [
    {
      "slug": "glm-5.3-flash",
      "display_name": "GLM-5.3-Flash",
      "description": "Z.ai's latest multimodal coding model with vision",
      "default_reasoning_level": "max",
      "supported_reasoning_levels": [
        {
          "effort": "low",
          "description": "Light reasoning"
        },
        {
          "effort": "high",
          "description": "Enhanced reasoning"
        },
        {
          "effort": "max",
          "description": "Deep reasoning"
        }
      ],
      "shell_type": "shell_command",
      "visibility": "list",
      "supported_in_api": true,
      "priority": 0,
      "base_instructions": "",
      "supports_reasoning_summaries": true,
      "default_reasoning_summary": "none",
      "support_verbosity": false,
      "apply_patch_tool_type": "freeform",
      "truncation_policy": {
        "mode": "bytes",
        "limit": 10000
      },
      "context_window": 1048576,
      "max_context_window": 1048576,
      "effective_context_window_percent": 95,
      "supports_parallel_tool_calls": true,
      "experimental_supported_tools": [],
      "input_modalities": [
        "text",
        "image"
      ]
    }
  ]
}

几个关键参数说明：

context_window: 1048576 —— 1M 上下文，够吃
input_modalities: ["text", "image"] —— 支持多模态，视觉能力要开
default_reasoning_level: "max" —— 默认开最强推理，写代码用 max 更稳

第三步：修改 Codex 主配置

编辑 ~/.codex/config.toml，把模型提供商改成智谱直连：

model_provider = "ZAI"
model = "glm-5.3-flash"
model_reasoning_effort = "max"
disable_response_storage = true
model_catalog_json = "/Users/deo/.codex/models.json"

[model_providers]
[model_providers.ZAI]
name = "ZAI"
base_url = "https://open.bigmodel.cn/api/v1"
experimental_bearer_token = "你的Coding Plan API Key"
wire_api = "responses"

重点注意：

wire_api 必须是 responses，不能写成 chat 或其他
model_catalog_json 路径要和上一步的文件对应
experimental_bearer_token 填你的 Coding Plan API Key

第四步：清理旧配置（可选但建议）

如果你之前用过 cc-switch 之类的本地代理，建议把旧的 [model_providers.custom] 配置删掉，避免混淆。

比如我之前的配置里有这段：

# 删掉这段旧的本地代理配置
[model_providers.custom]
name = "zhipu_glm"
wire_api = "responses"
requires_openai_auth = true
base_url = "http://127.0.0.1:15721/v1"

直连官方 API 更稳定，也少了一层代理的延迟。

第五步：重启 Codex 验证

完全关闭 Codex，重新打开。

打开一个新对话，输入：

你好，请确认你当前使用的模型是什么？

如果收到如下回复，说明配置成功了。

我踩的几个坑

坑 1：模型目录文件格式不对

models.json 的 JSON 格式必须严格正确，少一个逗号、多一个引号都会导致模型列表加载失败。

建议写完后用 JSON 校验工具检查一下。

坑 2：配置改了不生效

每次改完 config.toml 或 models.json，必须完全关闭 Codex 再重新打开，只刷新对话是没用的。

如果还是不生效，检查一下：

文件路径对不对
TOML 格式有没有问题
API Key 有没有复制完整

实际体验怎么样

配置完用了下，说几个直观感受：

优点：

速度快，非高峰时段响应很流畅
多模态能力实用，截图丢进去就能分析代码问题
价格香，Coding Plan 额度够日常用，周末还半价
中文理解比国外模型好，写中文文档、做中文项目更顺手

不足：

复杂推理任务和 DeepSeek V4 Pro、GPT-5 还有差距
工具调用的稳定性偶尔抽风，需要多试一次
我的用法：
日常写代码、改 bug、做副业项目 → GLM-5.3-Flash ，minimax（够用、便宜）
特别复杂的架构设计、疑难杂症 → 切 KIMI K3 ,DeepSeek V4 Pro
前端 UI 开发、视觉相关任务 → KIMI K3（多模态有优势）

写在最后

AI 编程工具现在选择越来越多了，不再是一家独大的局面。

对我们运维人来说，多掌握几个模型的配置方法，就多一个选择。哪个便宜用哪个，哪个好用用哪个，不把鸡蛋放一个篮子里。

GLM-5.3-Flash 作为国产模型，能做到这个水平已经很不容易了。日常开发、做副业、写工具，完全够用。

建议有 Coding Plan 的朋友都试试，反正额度用不完也是浪费。

如果这篇文章对你有帮助，欢迎点赞、在看、转发。

有问题评论区留言，我会一一回复。