文章总结： 本文分析了免费使用Codex的隐藏成本，指出需要高端硬件（如RTX4090）才能流畅运行本地模型，实际成本远超付费订阅。作者比较了OpenAI订阅与DeepSeekAPI的性价比，最终推荐按量付费的DeepSeekAPI作为普通开发者的最优选择，强调真正的免费往往伴随高昂硬件投入。 综合评分： 72 文章分类： 其他

看了很多免费使用Codex的，我却被迫付费了？

原创

斯诺克视野 斯诺克视野

卡布奇诺的派对

2026年6月16日 15:52 河南

在小说阅读器读本章

去阅读

最近一段时间，各大技术社区和视频平台都在刷屏一类内容——“免费无限使用Codex！”、“一条指令，用Ollama轻松串接本地AI模型”。点开一看，操作确实简单：装个Ollama，输入一行ollama launch codex-app，选个模型，就能把 Codex 切换到本地模型，完全免费、没有任何额度限制。

作为一个经常被 Codex 免费额度用完困扰的开发者，我看到这些教程简直如获至宝。二话不说，立刻打开电脑准备实操。

兴奋的尝试

教程确实没骗人。Ollama v0.24.0 正式加入了 Codex 桌面版的适配支持。按照步骤：

安装/升级 Ollama 到最新版本

终端输入ollama launch codex-app

从模型菜单里选一个，比如 qwen3.6

然后 Codex 就真的跑起来了，左侧项目文件夹保留，右侧模型栏变成了“Ollama Custom”。实测做个网页转 Markdown 工具，功能完全可用。看起来一切都那么美好，直到我低头看了一眼自己的电脑配置。

被忽略的“小问题”

所有教程里都会轻描淡写地提一句——“速度取决于你的电脑硬件等级”。但没人告诉你，这个“硬件等级”到底意味着什么。

让我们看看运行一个像样的本地编程模型需要什么：

| 模型规模 | 显存需求 | 内存需求 | 效果 | | — | — | — | — | | 7B 参数（入门） | ~6GB | 16GB | 一般 | | 13B 参数（中等） | ~10GB | 32GB+ | 尚可 | | 33B+ 参数（真正能打） | 24GB+ | 64GB+ | 优秀 |

而那些教程里推荐的模型——gemma4:31b、qwen3.6，哪个不是 20B 起步？Qwen3.6-35B-A3B 在 4-bit 量化下就需要约 21GB 显存，推荐显存 ≥ 24GB。哪怕用 RTX 4090（24GB）跑，65K 上下文就已经把显存压到极限了。

算一笔账

那么，一台能“免费”跑 Codex 的电脑，到底要多少钱？

RTX 4090 24GB：公版 FE 到手价约22,499 元，技嘉版约14,299 元

RTX 3090 24GB（上代旗舰）：磐镭版约8,999 元，涡轮版约6,699 元

再加上 CPU、主板、内存、电源、机箱……一套下来轻松1.5 万到 2.5 万元

这还没算电费——24GB 显存的 GPU 功耗可不低。

所谓的“免费”，门槛是一两万块的硬件。

再看看付费方案

OpenAI Codex 的付费价格是什么水平？

免费版：有额度限制，用着用着就没了

ChatGPT Plus：$20/月，包含 Codex

ChatGPT Pro：$100/月起，额度是 Plus 的 5 倍或 20 倍

假设你选择 $20/月的 Plus 方案，一年也就 240 美元，约 1,700 元人民币。

一台能跑本地模型的 RTX 4090 主机，够你付费订阅 Codex 整整 10 年以上。

谁在说“免费”？

回过头再看那些教程视频和文章——博主们用的显卡是什么？RTX 4090 24GB、双卡 4090、Apple M4 Max。他们是在用几万块的设备，教你“省钱”。

更扎心的是，就算你咬牙买了 24GB 显卡，本地模型的效果也不一定比得上云端。本地模型在处理复杂多文件重构时，质量通常低于 GPT-5-Codex。有些模型甚至不支持 Codex 所需的工具调用功能。

我的选择：向“免费”投降，但没向高价订阅低头

折腾了一晚上，我关掉了 Ollama 的终端，也关掉了 Codex 的付费页面。显卡买不起，每月 20 美元订阅 Codex 又觉得有点冤——毕竟我并不是每天高强度使用，按量付费才更合理。

这时我想起了一个被很多人忽略的方案：DeepSeek API。

它的价格有多香？

输入 token 约0.14 元/百万

输出约0.28 元/百万（以 DeepSeek-V3 为例）

即便是最强的 DeepSeek-R1，价格也远低于 OpenAI 的 API。我算了一下自己平时的用量——每天写几段代码、改几个函数，一个月下来花费连 10 块钱都不到。

更重要的是，DeepSeek 的编程能力在业内口碑极佳，在 HumanEval 等基准测试中表现亮眼，实际使用中处理多文件重构、逻辑推理毫不含糊。我只需要在 Codex 设置里填上 DeepSeek 的 API Key 和端点，就能无缝切换，既不用买显卡，也不用订阅固定月费。

于是，我最终还是“付费”了——但不是付给硬件商，也不是付给 OpenAI，而是按实际使用量付给了 DeepSeek API。这算不上“免费”，但每一分钱都花在了刀刃上。

写在最后

回头想想，那些视频里的“免费”其实是个伪命题。真正的免费，要么是牺牲质量（用小模型凑合），要么是牺牲钱包（先投一大笔硬件成本）。而对我们这些普通开发者来说，按量付费的 API 才是性价比之王。

如果你手里正好有一张 RTX 4090，那恭喜你，确实可以零成本无限折腾。但如果和我一样，只有一台普通笔记本或中低配台式机，不妨试试 DeepSeek API——花一顿外卖的钱，换来一整月的丝滑编码体验。

最贵的免费，往往藏在你看不到的硬件账单里；而最聪明的付费，是只为你实际使用的那部分买单。

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：卡布奇诺的派对 斯诺克视野 斯诺克视野《看了很多免费使用Codex的，我却被迫付费了？》