系列1/5｜Codex 怎么买、多少钱：本地模型 0 元实测

Codex 是 OpenAI 的编程 Agent：它读你的仓库、改文件、跑命令，最后交给你一份 diff。想用它，最省事的路子是 ChatGPT 订阅；想 0 元先摸一下手感，CLI 也能接本地模型。这一篇把购买、价格、安装和用法一次讲清，是「AI Agent 工具怎么选」系列的第 1 篇。

「AI Agent 工具怎么选」系列：1 Codex（本篇） · 2 Claude Code · 3 Grok Bot · 4 WorkBuddy · 5 横向对比

系列导读：四款 Agent，一次讲清怎么买、花多少、怎么用

AI Agent 工具越来越多，套餐、额度和付款方式各家都不一样，光看宣传页很难判断该买哪个。这个系列挑了四款常被问到的工具，每篇都按同一个顺序写：怎么买、多少钱、怎么上手、有哪些最佳实践，最后一篇放在一起横向比。文中所有价格都是 2026 年 10 月 20 日对着各家官方页面核对的，付费才能用的部分没有花钱买，都标了「未实测」。

• 1/5 Codex（本篇）：Free 到 Pro 各档价格与 5 小时额度，CLI 接本地模型 0 元修 bug 实测。
• 2/5 Claude Code：Pro 20 美元起、Max 100 美元起，5 小时滚动额度和周限额怎么算，接 Ollama 本地模型实测。
• 3/5 Grok Bot：Premium 30 美元/月起，每周共享用量池，第一个 Bot 怎么建，按官方文档整理。
• 4/5 WorkBuddy：腾讯出品，体验版免费、连续包月 70 元，积分规则和微信扫码支付。
• 5/5 横向对比：入门价、额度、超额方式、国内可用性一张表，按学生、开发者、上班族、团队给建议。

先分清：Codex 不是一个软件，是四个入口

同一个 Codex，官方给了四个用的地方：终端里的 Codex CLI、VS Code 等编辑器里的 IDE 插件、ChatGPT 桌面 App，以及跑在 OpenAI 服务器上的 Codex cloud（在 GitHub PR 里 @codex、接 Slack 都走这里）。CLI 和插件在你自己电脑上执行命令，cloud 在 OpenAI 的沙箱里执行。

登录方式有两种：用 ChatGPT 账号登录，额度算在订阅里；用 OpenAI API Key 登录，按 API 价格扣钱。官方定价页写明，API Key 方式没有云端功能（GitHub 代码审查、Slack 这些都用不了），适合放在 CI 里跑自动化。

价格：Plus 20 美元是正经起点

以下来自 OpenAI 官方 Codex 定价页，2026-10-20 查询，单位美元/月，不含税：

额度不是固定条数。官方给的是 Plus 每 5 小时「本地消息」的估算范围：GPT-6.1 Sol 约 15–160 条，GPT-6 Luna 约 350–3,000 条，最贵的 GPT-6 Astra 只有 5–45 条，另外还可能有周限额。Fast 模式消耗的订阅额度是标准速度的 2.5 倍。额度用完后，Plus 和 Pro 可以单买 credits 接着用，不必升级套餐。CLI 里输入 /status 能看剩余额度。

另一个时间点：官方定价页写着，GPT-5.5 已于 10 月 14 日（太平洋时间中午）从「ChatGPT 登录的 Codex」退役，用 API Key 的不受影响。老教程里让你选 GPT-5.5 的，可以跳过了。

先用 Plus 跑一周，看 /status 里的消耗曲线，再决定要不要上 Pro。别一上来就买 200 美元档。

国内用户买之前先看这一条

OpenAI 帮助中心有一份「ChatGPT 支持的国家和地区」名单，中国大陆和香港都不在名单里。页面原话是，在名单之外访问或提供访问「可能导致账户被封禁或停用」。所以这篇只讲官方支持地区的正规买法：在 ChatGPT 网页或 App 里订阅 Plus/Pro，或在 OpenAI Platform 充值拿 API Key。代充、拼车、共享账号这些我们不推荐，账号被封了没有申诉的余地。

身在国内又想先练手 Agent 工作流，可以直接看下面的本地模型路线：CLI 本身开源免费，模型跑在你自己电脑上，不连 OpenAI。

实测：Codex CLI + 本地模型，0 元修一个 bug

测试环境：2026-10-20，Debian 13 云主机，8 核 CPU、15 GB 内存、无显卡；Node.js 20.19.2；Codex CLI 0.163.0；Ollama 0.40.6；模型 unsloth/Qwen3.5-4B-GGUF 的 Q4_K_M 量化（约 2.7 GB）。

第 1 步：装 CLI。官方推荐独立安装脚本，npm 也行：

curl -fsSL https://chatgpt.com/codex/install.sh | sh
# 或者
npm install -g @openai/codex
codex --version     # 我们这里输出 codex-cli 0.163.0

没登录时跑 codex login status 会输出 Not logged in；直接 codex exec "hi" 会重连 5 次后报 401 Unauthorized。codex doctor 能一次查完安装、登录、网络，第一行就是 ✗ auth no Codex credentials were found。

第 2 步：准备本地模型。Ollama 官方文档给的方式是 ollama launch codex 或 codex --oss。正常情况下 ollama pull 一个带工具调用能力的模型就行。我们这台机器的网络拉不下 Ollama 仓库的大文件，改成从 Hugging Face 下 GGUF 再导入，Modelfile 这样写：

FROM ./Qwen3.5-4B-Q4_K_M.gguf
RENDERER qwen3.5
PARSER qwen3.5
PARAMETER num_ctx 32768

ollama create qwen3.5-4b-local -f Modelfile

第 3 步：准备一个会报错的小项目。calc.py 里的 average() 遇到空列表会除以 0，test_calc.py 断言空列表应返回 0。用 git 提交一次，方便看 diff 和回滚。

第 4 步：让 Codex 干活。

codex exec --oss --local-provider ollama -m qwen3.5-4b-local:latest \
  -C demo -s workspace-write \
  "Run python3 test_calc.py, fix the bug in calc.py so the tests pass, then run the tests again." </dev/null

结果：Codex 先跑测试看到 ZeroDivisionError，读了 calc.py 和测试文件，加了一行空列表判断，再跑测试输出 all tests passed。全程 1 分 53 秒，日志显示用了 5,885 个 token，首轮提示词约 4,556 token，CPU 处理速度约 150 token/秒。改动和预期一致：

+    if len(nums) == 0:
+        return 0
     return sum(nums) / len(nums)

这只能证明流程通了。4B 小模型在 CPU 上做真实项目会很慢，也容易出错；Ollama 文档建议 Codex 至少开 64k 上下文，我们因为内存只开了 32k，大仓库未实测。ChatGPT 登录后的 GPT-6.1 Sol 等云端模型、Codex cloud、GitHub 代码审查需要付费订阅，本文都是照官方文档写的，未实测。

我们踩到的 5 个坑

1. 模型名要带 :latest。写 -m qwen3.5-4b-local 时 Codex 认为本地没有这个模型，去拉取，报 Pull failed: pull model manifest: file does not exist。改成 qwen3.5-4b-local:latest 就好了。
2. 直接导入 GGUF 会撞上聊天模板。第一次只写了 FROM，Ollama 用的是 GGUF 自带的模板，Codex 每次请求都 500：Jinja Exception: System message must be at the beginning。在 Modelfile 里加 RENDERER qwen3.5 和 PARSER qwen3.5（和 Ollama 官方 qwen3.5 模型的配置一致）后正常。
3. 非交互模式会等标准输入。codex exec 启动时打印 Reading additional input from stdin...，在脚本里不给输入会一直挂着，末尾加 </dev/null。
4. 本地模型会有元数据警告。日志里有 Model metadata ... not found. Defaulting to fallback metadata，小任务不影响，但官方提示可能降低效果。用 ollama launch codex 会自动生成模型目录，可以避开（未实测）。
5. 没登录也不会马上报错。未登录直接跑任务，它会先重连 5 次再给 401，看起来像网络问题。先跑 codex doctor 更快定位。

最佳实践：把规则写进文件，别每次都打一遍

• 提示词四件套。官方最佳实践建议每次写清楚：目标、相关文件或报错、约束、什么算完成（比如「测试全过」）。
• AGENTS.md 放项目规矩。CLI 里 /init 生成初稿，写构建/测试命令、目录结构、禁止事项。个人默认放 ~/.codex/AGENTS.md，离当前目录越近的文件优先。官方提醒文件要短：它每次都会被塞进上下文，越长越费额度。
• 难任务先 Plan。/plan 或 Shift+Tab 进入 Plan 模式，让它先问清楚再动手。
• 权限从紧开始。默认沙箱和审批先别改，熟悉后再给信任的仓库放宽。我们实测用的 -s workspace-write 只允许写工作目录和 /tmp。
• MCP 别贪多。每接一个 MCP 服务器都会增加上下文和额度消耗。想自己写一个，看我们的 40 行 MCP 服务器教程。
• 重复流程做成 Skill。Codex 也读 SKILL.md，个人 skill 放 ~/.agents/skills，团队的放仓库里的 .agents/skills。写法见 第一个 Agent Skill 教程。
• 动手前后各提交一次 git。官方 CLI 页面也是这么建议的，改坏了一条命令就能回滚。

谁该买、买哪档

最后

手边有电脑就照第 4 步跑一遍，十分钟内能看到 Agent 改代码的完整过程。下一篇讲 Claude Code，同样是终端里的编程 Agent，买法和额度规则差别不小：系列 2/5：Claude Code。

「AI Agent 工具怎么选」系列：1 Codex（本篇） · 2 Claude Code · 3 Grok Bot · 4 WorkBuddy · 5 横向对比