1. 先分清认证方式ChatGPT 登录和 API Key 到底差在哪Codex 里同时存在两条完全独立的鉴权路径很多人把它们混在一起看结果一看到GPT-5.4 退出 Codex的提醒就开始慌。我先把这两条路径拆开讲清楚你对照自己的情况判断该改哪一处。ChatGPT 账号登录这条路径走的是 OAuth 授权。你在终端执行codex后选择用 ChatGPT 账号登录浏览器会拉起授权页面登录成功后 Codex 拿到的是一个会话凭证这个凭证绑定的是你的 ChatGPT 订阅权益。模型能不能用、用哪个模型由 ChatGPT 侧的订阅策略决定。官方公告里说的GPT-5.4 和 GPT-5.4 mini 将在 2026 年 8 月 31 日退出 Codex限定的就是这条路径。API Key 这条路径走的是标准的 Bearer Token 鉴权。你在~/.codex/config.toml里配置model_provider通过env_key读取环境变量里的 Key请求直接打到你自己指定的 Base URL。这条路径下模型是否可用取决于服务端实际开放的模型列表跟 ChatGPT 订阅侧的模型调整没有直接关系。两条路径的差异可以这样对照维度ChatGPT 登录API Key鉴权方式OAuth 会话凭证Bearer Token凭证存储~/.codex/auth.json环境变量 config.toml模型来源ChatGPT 订阅侧策略服务端/v1/models返回受 GPT-5.4 退出影响是否取决于服务端切换模型方式会话内选择或--model改config.toml的model字段关键点在于auth.json里存的是 ChatGPT 登录态而 API Key 路径根本不读这个文件。如果你用的是 API Key删auth.json不会解决任何问题反而可能把登录态搞乱。反过来如果你用的是 ChatGPT 登录改config.toml里的model_provider也不会生效因为登录态路径不走自定义 provider。我见过最常见的误操作是看到 GPT-5.4 要退出直接把config.toml里的模型名改成gpt-5.6-terra但自己其实是 ChatGPT 登录用户改完发现模型选择器里还是旧的。原因就是 ChatGPT 登录路径的模型选择不完全由config.toml决定会话内的模型选择优先级更高。所以第一步不是改配置而是确认自己走的是哪条路径。判断方法很简单打开~/.codex/auth.json如果里面有 ChatGPT 相关的 token 字段说明你至少登录过 ChatGPT 路径再看config.toml里有没有model_provider和model_providers段如果有且env_key指向的环境变量已设置说明你在用 API Key 路径。两条路径可以同时存在Codex 会根据当前会话的配置决定用哪条。对于使用 Terra/Luna 模型的开发者来说这次调整的核心影响是ChatGPT 登录用户必须在 8 月 31 日前把 GPT-5.4 切到 Terra、GPT-5.4 mini 切到 LunaAPI Key 用户则要确认自己服务端的模型列表里有没有这两个新模型 ID有的话改config.toml即可没有的话需要等服务端开放或换服务。2. TaoToken 前置Base URL 和 Key 怎么准备如果你决定走 API Key 路径来接入 Terra/Luna需要先准备好两样东西Base URL 和 API Key。这里以 TaoToken 为例说明配置方式你可以对照自己的服务端调整。TaoToken 的 API 地址是https://taotoken.net/api这个地址作为 Base URL 使用。注意不要写成完整的/responses地址Codex 客户端会自己拼接路径。如果你写成https://taotoken.net/api/responses最终请求可能变成/api/responses/responses直接 404。API Key 需要到控制台创建。访问https://taotoken.net/console登录后在 API Keys 页面生成一个新的 Key。生成后立即复制保存页面刷新后就不再完整显示。这个 Key 就是后面env_key要读取的值。模型 ID 方面Terra 和 Luna 对应的 ID 需要以服务端/v1/models实际返回为准。不同服务端的命名可能有差异有的用gpt-5.6-terra有的可能用别名。不要根据展示名称猜测先查列表再填配置。准备好之后你的配置结构应该是这样Base URL 填https://taotoken.net/apiKey 通过环境变量传入模型 ID 从/v1/models返回里选。这三样凑齐才能进入下一步写配置。如果你还想在配置前先验证模型对话是否正常可以访问https://taotoken.net/models查看可用模型列表或者直接用模型对话页面测试 Terra/Luna 的响应。这一步能帮你确认服务端确实开放了这两个模型避免配置写完才发现模型不存在。对于长期做编码和 Agent 任务的开发者如果不想每次手动管理 Key 和模型切换可以了解 Coding Plan 方案它把模型接入和额度管理打包在一起适合需要稳定跑 Codex 的场景。具体可以看https://taotoken.net/coding-plan。需要提醒的是API Key 不要明文写进config.toml。正确做法是config.toml里写env_key TAOTOKEN_API_KEY然后在终端里export TAOTOKEN_API_KEY你的Key。这样配置文件可以安全地提交到版本库或分享给团队Key 本身不泄露。3. 可复制配置auth.json 与 config.toml 怎么写这一节给出完整的可复制配置片段。先说明auth.json和config.toml的分工auth.json存 ChatGPT 登录态API Key 路径不读它config.toml存模型和 provider 配置两条路径都会读但 API Key 路径读的是model_providers段。如果你是从 ChatGPT 登录路径迁移先检查~/.codex/auth.json。这个文件通常长这样{ OPENAI_API_KEY: null, tokens: { id_token: eyJ..., access_token: eyJ..., refresh_token: rt_..., account_id: acc_... }, last_refresh: 2026-08-20T10:00:00Z }如果你决定继续用 ChatGPT 登录不需要动auth.json只需要在config.toml里改模型名。但要注意ChatGPT 登录路径下model_provider不应该指向自定义 provider否则会走 API Key 鉴权。如果你决定切到 API Key 路径auth.json可以保留不动它不影响 API Key 路径重点改config.toml。用户级配置文件位置macOS/Linux~/.codex/config.tomlWindows%USERPROFILE%\.codex\config.toml完整配置如下model gpt-5.6-terra model_provider taotoken model_reasoning_effort medium [model_providers.taotoken] name TaoToken base_url https://taotoken.net/api env_key TAOTOKEN_API_KEY wire_api responses如果你原来用的是 GPT-5.4 mini 做轻量任务把model改成gpt-5.6-lunamodel_reasoning_effort可以降到lowmodel gpt-5.6-luna model_provider taotoken model_reasoning_effort low [model_providers.taotoken] name TaoToken base_url https://taotoken.net/api env_key TAOTOKEN_API_KEY wire_api responses设置环境变量。macOS/Linuxexport TAOTOKEN_API_KEY你的KeyPowerShell$env:TAOTOKEN_API_KEY你的Key然后从同一个终端启动 Codexcodex这里有两个容易出错的细节。第一base_url填https://taotoken.net/api不要带/responses后缀Codex 会自己拼。第二model_provider和model_providers必须写在用户级配置里项目目录下的.codex/config.toml不能覆盖这两个字段。如果你在项目里也放了config.toml它只能覆盖model和model_reasoning_effort这类字段provider 配置以用户级为准。如果你用的是 Codex 的 OAuth 登录但想临时切到 API Key可以在启动时指定 profile或者直接改用户级config.toml的model_provider。切换后 Codex 会优先读model_providers段不再走auth.json里的登录态。4. 验证请求确认 Terra/Luna 真的生效配置写完不代表生效必须发请求验证。验证分三步查模型列表、测非流式响应、测流式响应。三步都过才能确认 Codex 里能正常用。第一步查模型列表。设置好环境变量后执行export API_BASEhttps://taotoken.net/api export API_KEY你的Key curl -sS $API_BASE/models \ -H Authorization: Bearer $API_KEY \ -H Content-Type: application/json返回的 JSON 里找gpt-5.6-terra和gpt-5.6-luna。如果返回 401说明 Key 无效或没带上如果返回的列表里没有这两个 ID说明服务端还没开放需要换模型或等服务端更新。注意模型 ID 以接口实际返回为准不要根据展示名称猜。第二步测非流式 Responses API。Codex 自定义 provider 用的是 Responses API不是 Chat Completions所以必须测/responses端点export MODELgpt-5.6-terra curl -i --max-time 60 \ -X POST $API_BASE/responses \ -H Authorization: Bearer $API_KEY \ -H Content-Type: application/json \ --data {\model\:\$MODEL\,\input\:\Reply with exactly OK\}成功的标志HTTP 状态码 200返回 JSON 而不是 HTML响应体里有response对象结构没有unknown model或model not found错误。如果返回的是网站首页 HTML说明 Base URL 配错了请求没打到 API 层。第三步测流式响应。Codex 的 Agent 任务依赖 SSE 流式返回这一步必须单独验证curl -N -i --max-time 120 \ -X POST $API_BASE/responses \ -H Authorization: Bearer $API_KEY \ -H Content-Type: application/json \ -H Accept: text/event-stream \ --data {\model\:\$MODEL\,\input\:\Reply with exactly OK\,\stream\:true}成功的标志返回Content-Type: text/event-stream事件流正常结束最后有完成事件。如果只返回第一段文本就断开Codex 里会出现stream disconnected before completion或response.failed event received。这种情况通常是服务端 SSE 支持不完整或中间有缓冲不是模型本身的问题。三步都通过后回到 Codex 里跑一个真实任务验证。启动codex输入一个简单的代码问题看是否正常返回。如果 Codex 里报错但 curl 正常检查config.toml的wire_api是否设为responses以及env_key指向的环境变量是否在当前终端已设置。验证 Terra 和 Luna 时可以对比同一个任务的响应。Terra 在mediumeffort 下适合日常开发Luna 在loweffort 下适合轻量任务。如果 Luna 返回质量不够把 effort 提到medium再试但要注意 Token 消耗会上升。5. 常见报错排查401、404、stream disconnected 怎么解迁移过程中最容易撞上四类报错我按实际遇到的频率排一下每个给出排查顺序。401 Unauthorized。这个报错说明鉴权没通过。先确认env_key指向的环境变量在当前终端已设置用echo $TAOTOKEN_API_KEY检查。如果为空说明环境变量没导出或者 Codex 不是从设置变量的终端启动的。VS Code、终端、桌面应用可能继承不同的环境变量设置后要彻底退出旧进程再重开。如果环境变量有值但仍 401检查 Key 是否过期或被撤销到控制台重新生成一个。404 Not Found。这个通常是路径拼接错误。检查base_url是否写成了https://taotoken.net/api/responses正确写法是https://taotoken.net/api。Codex 会自己拼/responses你多写一层就变成/api/responses/responses。另外确认服务端真的支持 Responses API有些服务只支持/v1/chat/completions那 Codex 的wire_api responses就会 404需要换支持 Responses API 的服务端。Model not found。模型 ID 不存在或账号没权限。先查/v1/models确认 ID 拼写再核对控制台权限分组。有些服务端用别名映射展示名和实际 ID 不一样必须以接口返回为准。如果列表里有但调用报 not found可能是账号分组没开通这个模型需要联系服务端确认。stream disconnected before completion。流式调用中途断开。先确认 curl 流式测试是否正常如果 curl 也断说明服务端 SSE 支持有问题或中间有缓冲。如果 curl 正常但 Codex 断检查是否有代理层缓冲了 SSE 事件。另外长时间 Agent 任务对空闲超时敏感可以调大--max-time或检查服务端的超时设置。不要一看到流中断就换模型协议不兼容时换任何模型都会重复失败。还有一个容易忽略的报错是Missing environment variable。这个说明env_key指向的变量没设置。检查config.toml里env_key TAOTOKEN_API_KEY和终端里export TAOTOKEN_API_KEY...是否一致大小写敏感。设置后从同一个终端启动 Codex不要用已经打开的旧终端。排查顺序建议先 curl 验证接口层再检查config.toml最后看 Codex 日志。接口层通了再查配置配置对了再查客户端这样能快速定位问题在哪一层。6. 迁移检查清单与后续接入8 月 31 日前按这个清单逐项确认确认自己走的是 ChatGPT 登录还是 API Key 路径。ChatGPT 登录用户把 GPT-5.4 切到 Terra、GPT-5.4 mini 切到 LunaAPI Key 用户先查/v1/models确认 Terra/Luna 可用。搜索脚本、CI/CD、自动化任务、Agent 配置里硬编码的旧模型名。这些地方经常被忽略改完config.toml但脚本里还写着gpt-5.4跑起来还是旧模型。API Key 用户验证非流式和流式/responses都正常。只测非流式不够Codex 的 Agent 任务依赖流式。把第三方 provider 写进用户级~/.codex/config.toml不要写在项目目录。model_provider和model_providers字段项目级配置覆盖不了。用env_key读取密钥不要把真实 Key 明文写进配置文件。配置文件可以提交到版本库Key 通过环境变量注入。用真实项目任务对比迁移前后的质量、延迟和 Token 消耗。Terra 和 Luna 的 effort 设置可以调找到适合自己任务的平衡点。保留可快速切回的旧配置备份但备份里不要包含明文 Key。如果你还没接入 API Key 路径需要先创建 Key。访问https://taotoken.net/api-keys生成然后按第 3 节的配置写入config.toml。接入文档在https://taotoken.net/doc里面有 Responses API 的详细说明和示例。对于 Claude Code 用户如果想用 Anthropic 兼容的方式接入可以参考https://taotoken.net/claudecode-anthropic的配置说明。Codex 和 Claude Code 的配置结构不同不要混用。迁移完成后建议跑一个真实的小任务做回归测试。比如让 Codex 改一个函数、加一段注释、跑一次测试。确认 Terra 在mediumeffort 下的响应质量和原来 GPT-5.4 相当Luna 在loweffort 下能满足轻量任务需求。如果质量有差距先调 effort 再考虑换模型。最后提醒一点GPT-5.4 退出 Codex 限定的是 ChatGPT 登录侧不是所有 API Key 工作流同时失效。先分清认证方式再验证接口能力比盲目换模型、换 Key 或重装 Codex 更有效。
