国产模型API接到Codex之后，还能跑通这10个核心玩法

我最先关心两个点。接了API之后，还能不能用手机端连Codex？锁屏状态下呢？答案是可以。Codex最近更新的双击Command键，然后截屏整个屏幕的功能，API模式下还能不能用？答案也是可以。这两个点解决了我最担心的事情，API模式不是一个残血版Codex，至少在我这次测试里，它还能保留Codex App关键的入口和交互。Step Plan这次可以通过配置模型名step-router-v1，根据任务复杂度自动在deepseek-v4-pro和step-3.5-flash之间切换。v4-pro刚还宣布了继续保持2.5折。四舍五入一下，这就有点像DeepSeek也出了一个Coding Plan。对Coding Plan我的要求其实不高，能随时买到的，额度别虚标的，Max token别动不动卡到8K的，上面这些缺点大家可以对号入座一把。。。

PS：deepseek-v4-pro和step-3.5-flash的模型综合能力分，2603是step-3.5-flash的迭代版本

PS：deepseek-v4-pro和step-3.5-flash的价格排名Step Plan里还塞了一个6B以下的image-edit-2模型，支持文生图和图像编辑。这个我后面也顺手测了一下。
把API接进Codex先说最实用的部分。我给大家做了一个脚本，它会自动引导你完成所有的配置，

完成之后再打开Codex App，如果你在对话框右下角看到StepFun开头，就说明Codex已经从GPT账号登录切换到了API模式。

接上API，Codex的功能还剩多少?开头我们已经测试了手机调用Codex App以及双击按键屏幕截图的功能。那下一步我们继续跟着Codex团队的思路，测了最近用得很多的浏览器自动化和电脑自动化。这次我还故意加了一个坑，我同时打开了两个不同个人资料的账号，这两个账号上都装了Codex的浏览器插件。在我的日常使用里，GPT-5.5有时候也会被这个场景迷惑到，不知道我要在哪个账号发X。从截图里可以看到，一开始step-3.5-flash它确实被虚晃了一枪，后面它发现需要切换到另一个Profile，最后大概探索了3到4轮，完成了推特发布。

Computer Use当然也能做。我让它在飞书里给我的Hermes发一条消息，问问能不能操作Claude Code的文字信息。这怎么不算一次性把御三家都用上呢？

这里也顺手把Codex App里的几个入口捋一下，browser｜适合在侧边栏里做网页审查、阅读网页、标记页面，@chrome｜适合那些需要浏览器登录态的工作流，@computer｜适合处理只能在桌面GUI里点来点去的任务。Step Plan里还带了一个image-edit-2。来都来了，我在测试API接入Codex之后，在计划模式还能不能正常用的情况下，让他给我开发了一个可以调用这个图像模型的脚本。

我试了一下，让6B以下模型生成一个大小字体的中文图片，难度还是比较高的。但我更多测试之后发现，拿它来修改图片里的文字，速度很快而且也很少改错。

还有两个我常用到的能力边界也要讲清楚。在测试过程中，对话时自动压缩上下文的能力是正常生效的。目前比较明确没有生效的是，因为是API登录，不是账号登录，所以如果你想通过已经登录到这个账号上的设备做连接，比如用MacBook Pro去操作非局域网的Mac mini，就不能直接连，这个时候还是要走SSH。

Codex还有一个我很喜欢的交互就是任务跑一半的时候，可以进行任务干预。这个干预分成两种。第一种是引导，当你发现AI跑偏了，可以直接把它拉回来。比如我发送之后才临时想起来，想在第一个模块里加一些文字特效，就可以直接补进去。第二种是排队，它不会打断现在正在运行的任务，而是把新任务排在队伍后面。

这也是顺带测了一下切换到DeepSeek V4 Pro后，模型做出来的网页质量了。

除了上面这些功能测试，Codex团队分享的自动化和目标设定（goal），也是我这次重点想测的地方。自动化的成功率还是比较高的。在Codex里面，它很多时候是以一个提示语的方式存在。右侧栏可以看到每次运行的成功率和失败率，也可以主动触发。我这里直接搬了一个AI日报提示语，用之前开发的AI热点伯乐Skill跑了一次。

跟自动化不同，Goals是为了更长时间的Codex任务准备的。你给它写一个明确目标之后，AI会在一段时间内持续完成它。如果你直接打Goal，Codex里没有出现相关选项，可以先在终端里输入：

BTW，目标本身是可以中途修改的。当Codex能跑更长时间任务之后，我的下一个问题API版本的Codex还能保留记忆吗？Codex团队在用Codex的时候打开共享记忆，也推荐我们把持久上下文存在Obsidian这样的知识库里。我自己就是这么做的。我的Hermes，OpenClaw，Claude Code和CodeX，它们的默认目录就是Obsidian的vault。我会通过Agent.md来约束它们每次读取文件的次数。这样虽然我每次加载消耗的 token 会比直接在空目录上面要多一些，但我能以最快的速度启动我的任务。这次我让step-3.5-flash帮我查了一下，Obsidian里过去两个月存下来的、跟Codex工作流相关的数据有哪些，它们的路径分别在哪。

测试到这里的时候，我又发现了一个 API 版 Codex 缺失的功能，Chronicle记忆组件，它能帮Codex从你最近屏幕上发生的事情中提取并构建记忆，但是换成API后，这个功能就关了。

最后又到了大家最关心的价格环节，Plan能不能长期用，最后还是要回到价格，额度和稳定性。这次我直接让GPT用绝对精准、不忽悠、把事情拆得明明白白、不焦虑、不踩坑、特别直白、不要绕圈子的方式，给了一版对比。

我的感受是，这类测试Case很适合以后有新模型时继续复用。因为Codex现在的生态正在从一个编程Agent，逐步切换成一个通用Agent。你在它上面测功能完整度，提示语适配度，浏览器能力，桌面能力，长期任务和记忆协作，基本能很快看出一个模型到底能不能放到Agent里用。最后，也回答一下大家问得最多的问题：我的主力Agent到底是Hermes、Codex，还是Claude Code？我的选择是，都要，但分工不同。Hermes更适合做我的IM入口和长期调度层。我在手机上配置了快捷键，按一下就能打开飞书，飞书里对接Hermes。它适合长期任务，多群组多会话。所以它很适合做计划，再通过tmux控制Codex或者子Agent派发出去执行。所以没有必要在它们之间二选一。买Coding Plan和订阅Max20最大的爽点，不就是可以尽情尝试不同的Agent，并保留各自好用的点吗？就像买手机壳一样。在预算允许的情况下，我买它个四五种不同材质换着用，岂不美滋滋。