2026 年 3 月，OpenAI 正式宣布停用 Codex API。我在一个 Java 项目群里看到这个消息时，第一反应是"完了，我的自动化代码审查工具要废了"。那种感觉就像你用了三年的一把趁手工具被没收了，得重新找一把。
我在 Codex 上写了至少 2 万行辅助代码——自动补全、代码审查、单元测试生成。突然停用，我的整个工作流断了一半。
但半年后的今天回头看——Codex 的停用可能是 2026 年 AI 编程领域最好的事情。因为替代品的质量比 Codex 强了不止一个档次，而且大部分是免费的。这篇文章写给那些和我一样的老 Codex 用户，帮你找到最合适的替代方案。
这篇是 AI 编程工具与大模型 Ultimate 指南 的 Cluster 文章。如果你之前没用过 Codex，直接看后面的替代方案就行，不需要背景知识。
如果你是和我一样重度使用 Codex API 的开发者，你的工作流大概率是这样的：
| 工作场景 | 之前用 Codex | 现在用什么 |
|---|---|---|
| 编辑器行内补全 | Codex 补全 API → VS Code 插件 | Continue + 本地模型 / GitHub Copilot 免费版 |
| 批量代码生成 | Codex API → 自动化脚本 | DeepSeek API 或 GLM API（更便宜） |
| 代码审查 | Codex API → 审查脚本 | Claude API / GPT API（贵但更准） |
| 自然语言转代码 | Codex Playground | 各家 Chat 工具（功能更多） |
（实测）我花了一周时间把所有工作流切换到新方案，最终的体验比 Codex 时代好，而且成本降了 80%。唯一不舍的是 Codex 那种"我说一句，它直接写一段"的干脆感——现在很多替代品给得太多（一堆解释），不如 Codex 干净。
| 替代方案 | 免费额度 | 代码能力 | 适合场景 | 上手难度 |
|---|---|---|---|---|
| DeepSeek API | 注册送 500 万 token | ⭐⭐⭐⭐⭐ | 代码生成、补全、审查全场景 | ⭐（OpenAI 兼容） |
| GLM-4 API（智谱） | 注册送 1000 万 token | ⭐⭐⭐⭐ | 中文代码场景特别好 | ⭐（国内直连） |
| Qwen API（通义千问） | 注册送 200 万 token | ⭐⭐⭐⭐ | Java / Python 生成 | ⭐（阿里系） |
| GitHub Copilot 免费版 | 每月 2000 次补全 | ⭐⭐⭐⭐⭐ | 编辑器内行内补全 | ⭐⭐⭐（依赖 IDE） |
| OpenCode（开源） | 完全免费 | ⭐⭐⭐⭐ | 本地私有部署 | ⭐⭐⭐（需自建） |
| Ollama + 本地模型 | 完全免费 | ⭐⭐⭐ | 离线、隐私场景 | ⭐⭐⭐（需显卡） |
一句话：DeepSeek 是 Codex 停用后我用得最多的 API，原因很简单——它支持 OpenAI 兼容格式，意味着我把代码里的 openai.com 改成 deepseek.com，其他一行都不用改。
# 原来用 Codex（基于 OpenAI 格式）：
import openai
openai.api_key = "sk-codex-xxx"
openai.api_base = "https://api.openai.com/v1"
# 切到 DeepSeek：
import openai
openai.api_key = "sk-deepseek-xxx" # 在 deepseek.com 注册获取
openai.api_base = "https://api.deepseek.com/v1" # 只改这一行
# 同一个代码，同一个 SDK，一句话都不用改
response = openai.ChatCompletion.create(
model="deepseek-chat", # 模型名改成 DeepSeek 的
messages=[{"role": "user", "content": "用 Java 写一个线程安全的单例类"}]
)
（实测）我花了 5 分钟把所有脚本从 Codex 切到 DeepSeek，一共改了 8 个文件，每处只改了两行：api_base 和 model。输出质量——实话实说，DeepSeek 的代码生成在 Java 场景下和 Codex 差不多，在某些特定场景（如 Shell 脚本）甚至更好。
| 额度项 | 数量 | 备注 |
|---|---|---|
| 注册赠送 | 500 万 token | 够个人用 1-2 个月 |
| RPM 限制 | 无（实测） | 没有官方限流 |
| 模型 | deepseek-chat、deepseek-coder | coder 版编程专用 |
（实测）500 万 token 是什么概念？我每天跑大约 200 次 API 调用，一个月用了约 300 万 token。500 万的免费额度够我用 1.5 个月。用完后付费（约 $0.14/1M token），比 Codex 便宜 10 倍。
# 用 DeepSeek API 做批量代码审查（原来的 Codex 脚本直接改两行就能用）
python3 << 'PYEOF'
import openai, os
openai.api_key = "sk-deepseek-xxx"
openai.api_base = "https://api.deepseek.com/v1"
def review_code(file_path):
with open(file_path) as f:
code = f.read()
resp = openai.ChatCompletion.create(
model=<span class="hljs-string">"deepseek-chat"</span>,
messages=[{
<span class="hljs-string">"role"</span>: <span class="hljs-string">"user"</span>,
<span class="hljs-string">"content"</span>: f<span class="hljs-string">"审查这段 Java 代码的安全问题和性能问题，只列问题不要说优点：\n\n{code}"</span>
}],
temperature=0.1
)
<span class="hljs-built_in">return</span> resp.choices[0].message.content
# 批量审查
for java_file in glob.glob("src/**/*.java"):
issues = review_code(java_file)
print(f"=== {java_file} ===")
print(issues)
PYEOF
（实测）这个脚本本来用的是 Codex 的 code-davinci-002 模型。换到 DeepSeek 后，审查质量反而提升了——Codex 有时候会漏掉 MyBatis 的 SQL 注入风险，DeepSeek 对这种中国技术栈的安全问题更敏感。
如果你和我一样主要写 Java / Spring Boot，GLM-4 在中文注释生成、中文文档翻译方面比 DeepSeek 更好。
# 智谱 GLM-4 API（同样是 OpenAI 兼容格式）
from openai import OpenAI
client = OpenAI(
api_key="zhipu-xxx", # 在 open.bigmodel.cn 注册
base_url="https://open.bigmodel.cn/api/paas/v4"
)
response = client.chat.completions.create(
model="glm-4-plus", # 最新模型
messages=[{"role": "user", "content": "写一个 Spring Boot 的全局异常处理器，带中文注释"}]
)
（实测）GLM-4 对中文技术概念的理解是所有模型里最好的。我问它"写一个带熔断的 Feign 调用"，它能准确理解是 Sentinel 熔断而不是 Hystrix。Codex 在这类中国特有技术栈上经常答错。
Qwen（通义千问）的 API 也是完全免费的，而且阿里云的生态覆盖最全面。
| 额度项 | 数量 |
|---|---|
| 注册赠送 | 200 万 token |
| 额外免费 | 通过阿里云 DashScope，每月 100 万 token 免费 |
| 模型 | qwen-max、qwen-plus、qwen-coder-plus |
# 阿里云 DashScope 接入
from openai import OpenAI
client = OpenAI(
api_key="sk-xxx", # dashscope.aliyun.com 获取
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"
)
response = client.chat.completions.create(
model="qwen-coder-plus",
messages=[{"role": "user", "content": "写一个 MySQL 的分页查询优化方案"}]
)
如果你只是需要编辑器内的行内补全（不是 API 调用），GitHub Copilot 的免费版已经够用。
| 对比 | Codex | Copilot 免费版 |
|---|---|---|
| 补全方式 | API 调用 | 编辑器内自动补全 |
| 每月次数 | 按 token 计费 | 2000 次补全/月 |
| 语言支持 | 全语言 | 全语言 |
| 费用 | 停用前 $0.10/1K token | 免费 |
（实测）2000 次/月对日常开发完全够用。我一天大约写 100-150 行新代码，触发 80 次补全，一个月 2000 次刚好覆盖。如果你一个月写超过 3000 行代码，可能需要付费版 Copilot（$10/月）。
如果你对数据隐私要求高，或者想完全不依赖任何云服务，本地模型是最好的选择：
| 方案 | 需要硬件 | 代码能力 | 费用 |
|---|---|---|---|
| OpenCode + Ollama | 12G+ 显存 | ⭐⭐⭐⭐ | $0 |
| Ollama + Continue（VS Code 插件） | 8G+ 显存 | ⭐⭐⭐⭐ | $0 |
| OpenCode 自托管 API | 16G+ 显存 | ⭐⭐⭐⭐ | $0 |
观点收尾：
| 场景 | 我的选择 |
|---|---|
| 日常 API 调用（自动化脚本） | DeepSeek API（完全兼容 OpenAI 格式，代码能力强） |
| 编辑器行内补全 | Copilot 免费版（2000 次/月够用） |
| 中文技术栈代码生成 | GLM-4 API（对中文概念理解最好） |
| 批量代码审查 | DeepSeek coder（比 Codex 更准） |
| 离线 / 隐私场景 | OpenCode + Ollama（免费且可控） |
一句话：Codex 的停用，实际上是逼着老用户转向了一个更好的生态。现在可选的 API 比当年 Codex 一家独大的时候更多、更便宜、质量更好。
如果你需要本地部署的方案，看 OpenCode 本地推理太慢怎么开启 GPU 独显加速 和 Ollama + OpenCode + VS Code 免费离线方案。
本文基于博主从 Codex 停用后切换到 DeepSeek / GLM / Copilot 的真实经历写成。各 API 的价格和免费额度信息参考 2026 年 7 月各平台官网。