智譜官方提供的產品

產品形態 
，config.toml就自己配好了：

model_provider = "ZAI"model = "glm-5.3-flash"model_reasoning_effort = "max"model_catalog_json = "~/.codex/models.json"[model_providers.ZAI]name = "ZAI"base_url = "https://open.bigmodel.cn/api/v1"experimental_bearer_token = "111111111111111111111111"  注意
，现连團隊套餐（裏麵每個成員，也不用就可以在chatgpt的接智桌麵ui上切換模型了）：
這個隻能單選，但我暫時就先不去研究cc switch了。现连智譜默認用的也不用這個名字（z.ai是智譜的海外域名）。裏麵是接智個數組，這些東西	，现连獲取線程id：
然後會在如下路徑

，也不用但我發現
，接智還有很多的现连配置
，可以獲取每個人自己的也不用api key）隻能在專門的編碼工具裏使用：
基本該有的都有吧：
codex 如何直接接入glm
coding plan是默認可以使用最新的所有模型的
，分為個人版本和公司團隊版本
，接智發現卻是现连“中”：
我是比較疑惑
，
背景
大家好

，也不用有兩種
，模型使用glm-5.3-flash
。感覺文章寫出來就過時了，
智譜什麽時候支持codex直連的
查了下	，
如何使用自動化工具來配置：
https://docs.bigmodel.cn/cn/coding-plan/tool/codex#方式二：自動化助手
https://docs.bigmodel.cn/cn/coding-plan/extension/coding-tool-helper
支持配置這幾個軟件：
步驟也比較簡單	，選了5.3-flash
。trae、就是市麵上知名的那些，這個名字自己可以隨便取，裏麵的最高沒有勾選：
勾選了就好了
：
選了這個選項後，感興趣的可以試試。就像代碼的文檔一樣。cc switch弄的model.json和智譜官方的不太一樣，model.json裏就多了個5.3-flash了。cc switch也會幫我們弄這個model.json文件
，在config.toml中會多行配置	：
[desktop]enabled-reasoning-efforts = ["low", "medium", "high", "xhigh", "ultra", "max"]
我們在config.toml中指定的就是max推理級別，包含3種：
團隊套餐
，如：GLM-5.3
、
這裏弄完後，我是逐日。本來還是按慣例在弄codex--》cc switch--》智譜
，使用ZAI這個provider中的配置，再
npm install -g @z_ai/coding-helper## 然後運行 coding-helper 或 chelpercoding-helper
然後就會讓你：
選擇界麵語言 —> 選擇編碼套餐 —> 輸入 API 密鑰 —> 選擇要管理的工具
—> 自動安裝工具（如需要） —> 進入工具管理菜單 —> 裝載編碼套餐到工具
—> 管理 MCP 服務（可選） —> 完整配置	，已經可以直接使用codex對接了：
codex的接入
，model.json中就隻有5.3；後麵又運行了一次，這裏給我們配的max。我之前以為安裝了chatgpt桌麵版本，我現在理解有3種：
api（你拿了api可以隨便開發自己的harness產品）
coding plan，啟動編碼工具
對了
，比如claude code
、檢測到我沒安裝codex-cli，opencode等等
zcode	：智譜官方的harness軟件
glm coding plan
https://bigmodel.cn/glm-coding
分為個人套餐	，所以就在頁麵可以映射成最高了	
。肯定配的沒官方的好	
。這種是要求在指定的harness白名單中調用，主要可以看這裏：
https://docs.bigmodel.cn/cn/coding-plan/quick-start
下圖就可以看到
，這個在運行的過程中
，除了模型名字之外，原來還是需要單獨安裝	。就是多了個model provider	：ZAI，先安裝node.js，會提示安裝。之前使用cc switch的時候	，
但我打開chatgpt時，可能是我沒用好cc switch
，怎麽看的：
方法1
先輸入/status，發現智譜好像已經原生支持了openai的response接口。這下就正好在上麵這個列表中，然後在model.json中就包含兩個模型了，查詢	：
select datetime(ts,'unixepoch','localtime'), substr(feedback_log_body,1,500) from logs where thread_id='<你的線程ID>' and feedback_log_body like '%codex.turn.reasoning_effort=%' order by id desc limit 1;
找到了顯示為“中”的解決辦法
原來是設置裏有個選項	，我們最好就是按照智譜官方文檔來弄。
試了試	，好像就是8月份才支持的：
https://github.com/zai-org/GLM-5/issues/39
現在ai變化真的好快，
這個可以重複運行（因為下麵選模型那裏隻能單選，GLM-5.3-Flash
具體的接入步驟
，我一開始選了5.3

，
這個模型glm-5.3-flash的詳情在哪裏呢
？
在這一行配置中查看：
model_catalog_json = "~/.codex/models.json"
打開這個文件一看

，周末在家裏電腦折騰，自己去配的話
，所以，翻官方文檔的過程中，選了5.3-flash，cli就自動裝了呢，
使用自動化工具配置codex中對應內容
上麵那些內容（config.toml還好就幾行
，主要就是看這裏：
https://docs.bigmodel.cn/cn/coding-plan/tool/codex
codex配置好智譜之後的樣子
配好後
，還專門問了codex自己：
我問它在哪裏看的，我第一次選了5.3，自己也能改；但model.json這個還是比較麻煩）挺麻煩的。主要就是codex的config.toml發生了變化
：
看下圖，codex、編碼套餐
，連cc swtich也省了，包含了keywire_api = "responses"

config.toml中推理級別的疑惑

model_reasoning_effort ，上圖中，

model_provider就指定了，找到log文件 ：

C:\Users\1111\.codex\sessions\2026\08\30\rollout-2026-08-30T12-30-07-01a050ee-90a7-74b2-a589-46c25c7bbf63（這後部分就是會話id）.jsonl

裏麵大概可以看到記錄的推理強度：

方法2

可以查看數據庫：

C:\Users\111\.codex\logs_2.sqlite

可以用dbeaver連這個sqlite數據庫 ，我們公司就是買的團隊套餐  ：

文檔在這裏：

https://docs.bigmodel.cn/cn/coding-plan/overview

這裏也說了，數組裏麵包含了多個模型：

大家可以看到 ，後麵又運行了一次，