1. freemodel 免费额度与 gpt-5.5 token 传闻，实际卡在哪

freemodel 免费送 5 美元 gpt-5.5 token 这件事，最近在几个技术群里传得挺快。核心卖点很直接：注册就送额度，配合 Codex CLI 就能用上 gpt-5.5 的 xhigh 推理档位。听起来像是白捡的便宜，但真正动手的人会发现，问题不在“有没有额度”，而在“认证通道能不能跑通”。

我自己也跟了一遍流程。注册、拿 Key、装 Codex CLI、写 auth.json、改 config.toml，每一步都照着教程走了。结果卡在最关键的一步：Codex 启动后读不到 auth.json 里的 Key，反复提示选择登录方式，手动粘贴 API Key 进去之后，模型请求要么超时，要么直接报模型不支持。等了 300 多秒没有任何输出，这种体验基本等于不可用。

这里要先把概念理清楚。Codex CLI 是 OpenAI 推出的命令行编程工具，和 Claude Code 定位类似，支持桌面端、Web 端和 VS Code 插件。它读取认证信息的方式有两套：一套是~/.codex/auth.json，一套是环境变量OPENAI_API_KEY和OPENAI_BASE_URL。freemodel 的教程给的是 auth.json 方案，但不同版本的 Codex 对字段名和读取优先级处理不一致，导致配置写了等于没写。

更麻烦的是，freemodel 的 base_url 指向的是它自己的网关，模型名写的是gpt-5.5，wire_api 用的是responses。这套组合在 Codex 的某些版本里并不被识别，/model切换也切不过去。你以为是额度问题，其实是通道和协议对不上。

所以这篇不是来劝你别用免费额度的，而是把问题拆开：auth.json 到底该怎么写、base_url 和 model 怎么配、验证请求怎么发、报错怎么读。把这些搞明白之后，你会发现真正稳定的做法不是死磕某个免费网关，而是把认证文件指向一个统一 Key/API 通道，比如 TaoToken，让 Codex 的认证层和模型层解耦。这样换模型、换额度来源都不用动 Codex 本体。

适合谁看：已经在用 Codex CLI、被 auth.json 配置坑过、想搞清楚认证文件字段含义、或者想找一个能长期跑 coding agent 的通道的人。下面按步骤来，每一步都给可复制的配置和验证动作。

2. TaoToken 前置准备：Key、Base URL 与 Codex 认证层的关系

在改 auth.json 之前，先把 TaoToken 这边的三件套准备好。所谓三件套，就是 Base URL、API Key、Model ID。这三个东西在 Codex 的配置里分别对应不同的字段，缺一个都跑不起来。

Base URL 用https://taotoken.net/api，注意这里不加任何查询参数。API Key 在 TaoToken 控制台的 API Keys 页面生成，生成后只显示一次，复制下来存好。Model ID 根据你要用的模型填，比如gpt-5.5或者你实际要调的模型名。这三个信息在后面的 auth.json 和 config.toml 里都会用到。

为什么要把 Codex 的认证指向 TaoToken，而不是继续用 freemodel 的网关？核心原因是 Codex 的认证读取逻辑对 base_url 和 wire_api 的组合有要求。freemodel 给的wire_api = "responses"在部分 Codex 版本里不被支持，而 TaoToken 的 API 通道兼容 OpenAI 标准的 chat/completions 和 responses 两种协议，Codex 读起来更顺。另外，TaoToken 的 Key 是统一管理的，你换模型不用重新生成 Key，也不用改 auth.json 的结构，只改 model 字段就行。

这里要提醒一点：Codex 读取认证信息的优先级是环境变量高于 auth.json。如果你之前 export 过OPENAI_API_KEY和OPENAI_BASE_URL，Codex 会优先用环境变量，auth.json 里的配置会被忽略。所以改 auth.json 之前，先把环境变量清掉，或者确认当前 shell 里没有残留。可以用env | grep OPENAI检查一下，有输出就先 unset。

另外，Codex 的配置目录在~/.codex，里面通常有auth.json和config.toml两个文件。有些版本还会读config.json，如果同时存在 config.json 和 config.toml，可能会冲突。建议只保留 config.toml，把旧的 config.json 删掉或改名。这一步不做，后面改了 auth.json 也可能不生效。

TaoToken 的接入文档里有针对 Codex 的配置示例，路径和字段名可以直接对照。如果你用的是 Claude Code 或者 Cline MCP，配置方式类似，都是把 Base URL 和 Key 填到对应的配置文件里。Codex 的特殊之处在于它多了一个 auth.json 专门管认证，config.toml 管模型和 provider。把这两层分开理解，后面排障会快很多。

准备好这三件套之后，下一步就是写 auth.json 和 config.toml。我会把完整的 JSON 和 TOML 片段贴出来，你直接复制改 Key 就行。

3. 可复制配置：auth.json 字段模板与 config.toml 完整片段

先处理 auth.json。这个文件的路径是~/.codex/auth.json，如果目录下没有就新建一个。内容是一个 JSON 对象，核心字段是OPENAI_API_KEY。有些 Codex 版本还认OPENAI_BASE_URL，但更稳妥的做法是把 base_url 放在 config.toml 的 provider 段里，auth.json 只放 Key。

可复制的 auth.json 模板如下：

{ "OPENAI_API_KEY": "sk-你的TaoTokenKey" }

把sk-你的TaoTokenKey替换成你在 TaoToken 控制台生成的实际 Key。注意 JSON 里不能有注释，Key 两边用双引号，末尾不要多逗号。保存之后可以用cat ~/.codex/auth.json确认一下内容，再用python -m json.tool ~/.codex/auth.json校验 JSON 格式是否合法。格式错了 Codex 会直接忽略这个文件，然后回退到交互式登录。

接下来是 config.toml。路径同样是~/.codex/config.toml。如果之前有 config.json，先删掉或改名，避免冲突。config.toml 的内容如下：

model_provider = "taotoken" model = "gpt-5.5" model_reasoning_effort = "xhigh" disable_response_storage = true preferred_auth_method = "apikey" [model_providers.taotoken] name = "taotoken" base_url = "https://taotoken.net/api" wire_api = "responses"

这里几个字段解释一下。model_provider指向下面[model_providers.taotoken]这个段，名字要一致。model填你要用的模型 ID，比如gpt-5.5。model_reasoning_effort是推理档位，xhigh 是最高档，响应会慢一些但推理更充分。disable_response_storage设为 true 表示不存储响应，适合对隐私有要求的场景。preferred_auth_method设为apikey，告诉 Codex 优先用 auth.json 里的 Key，而不是走 ChatGPT 账号登录。

base_url填https://taotoken.net/api，不要加末尾斜杠，也不要加 UTM 参数。wire_api填responses，这是 Codex 较新版本支持的协议。如果你的 Codex 版本较老，不认responses，可以改成chat，但gpt-5.5这类模型建议用responses。

配置写完之后，建议把环境变量也清一下，避免覆盖：

unset OPENAI_API_KEY unset OPENAI_BASE_URL

如果你希望环境变量也指向 TaoToken，可以这样 export，但要注意这会覆盖 auth.json：

export OPENAI_BASE_URL="https://taotoken.net/api" export OPENAI_API_KEY="sk-你的TaoTokenKey"

两种方式选一种就行，不要同时用。我实测下来，auth.json + config.toml 的组合更稳定，因为 Codex 启动时会先读 config.toml 确定 provider，再从 auth.json 取 Key，路径清晰。

配置完成后，进入一个随便什么目录，输入codex启动。如果配置生效，Codex 不会再弹登录方式选择，而是直接进入交互界面。如果还是弹登录，说明 auth.json 没被读到，回到第 5 节看排错。

4. 验证请求：一次 curl 与 Codex 内提问确认通道可用

配置写完不算完，得验证通道真的通。分两步：先用 curl 直接打 TaoToken 的 API，确认 Key 和 Base URL 没问题；再在 Codex 里问一个问题，确认 Codex 的认证层和模型层都跑通。

先做 curl 验证。TaoToken 的 API 地址是https://taotoken.net/api，兼容 OpenAI 的 chat/completions 接口。可以用下面这条命令发一个最小请求：

curl -s https://taotoken.net/api/chat/completions \ -H "Content-Type: application/json" \ -H "Authorization: Bearer sk-你的TaoTokenKey" \ -d '{ "model": "gpt-5.5", "messages": [{"role": "user", "content": "回复一个字：好"}], "max_tokens": 10 }'

如果返回的 JSON 里有choices字段，并且 content 是“好”，说明 Key 和 Base URL 都正确。如果返回 401，说明 Key 错了或者没带上。如果返回 404，说明路径不对，检查是不是漏了/api或者多了斜杠。如果返回 model not found，说明模型 ID 写错了，换成 TaoToken 文档里列出的可用模型名。

curl 通了之后，再进 Codex 验证。启动codex，在交互界面里输入一个简单问题，比如“用 Python 写一个 hello world”。如果 Codex 能正常返回代码，说明 auth.json 和 config.toml 都生效了。如果 Codex 卡住不动，或者报reading choices相关的错误，说明 wire_api 或 base_url 配置有问题，回到第 3 节检查。

这里有个细节：Codex 在启动时会打印当前使用的 provider 和 model。如果打印出来的是taotoken和gpt-5.5，说明 config.toml 读对了。如果打印的是默认的openai，说明 config.toml 没被读到，检查文件路径和文件名是否正确。

另外，Codex 的model_reasoning_effort = "xhigh"会让响应变慢，尤其是复杂问题。如果你只是想验证通道，可以先把这行改成medium或删掉，等确认通了再调回来。我实测 xhigh 档位下，简单问题也要十几秒，这是正常的，不是卡死。

验证通过之后，你就可以在 Codex 里正常跑 coding 任务了。换模型只需要改 config.toml 里的model字段，auth.json 不用动。这也是把认证指向 TaoToken 的好处：Key 统一，模型灵活。

5. 常见报错排查：401、local proxy failed、reading choices、OAuth

配置过程中最容易遇到的几个报错，我按实际出现的频率列一下，每个都给排查方向。

401 Unauthorized。这个最直接，Key 不对或者没带上。先检查 auth.json 里的OPENAI_API_KEY是不是完整的，有没有多余空格。再用第 4 节的 curl 命令单独测 Key，如果 curl 也 401，说明 Key 本身有问题，去 TaoToken 控制台重新生成一个。如果 curl 通了但 Codex 还 401，说明 Codex 没读到 auth.json，检查环境变量是不是有残留的旧 Key 覆盖了。

local proxy failed。这个报错通常出现在 Codex 尝试走本地代理但连不上网关的时候。检查base_url是不是写成了https://taotoken.net/api，有没有多写端口或者路径。另外确认本机网络能正常访问 TaoToken 的 API，可以用curl -I https://taotoken.net/api看返回头。如果返回 200 或 401 都说明网络通，返回超时就是网络问题。

reading choices 相关错误。这个多半是wire_api和模型协议不匹配。Codex 用responses协议发请求，但网关返回的是 chat/completions 格式，解析就会失败。解决办法是把 config.toml 里的wire_api改成chat试试，或者确认 TaoToken 的 responses 端点是否可用。TaoToken 的接入文档里有说明哪些模型走哪个协议，对照一下。

OAuth 登录循环。Codex 启动后反复弹登录方式选择，选了 API Key 还是弹。这说明 auth.json 没被识别，Codex 回退到了 OAuth 流程。检查 auth.json 的 JSON 格式是否合法，字段名是不是OPENAI_API_KEY全大写。有些版本要求字段名完全一致，写成openai_api_key就不认。另外确认preferred_auth_method = "apikey"这行在 config.toml 里，没有这行 Codex 可能优先走 OAuth。

还有一个坑：Codex 的配置目录权限。如果~/.codex目录权限不对，Codex 读不到 auth.json 也不会报错，直接静默回退。可以用ls -la ~/.codex看一下文件权限，确保当前用户可读。auth.json 的权限建议设成 600，避免被其他进程读到。

如果以上都排查了还是不行，最直接的办法是把 config.toml 里的 provider 段先注释掉，只留 auth.json，然后用环境变量指定 base_url 和 Key，看能不能通。环境变量方式绕过了 config.toml 的解析，能快速定位是配置文件问题还是通道问题。

6. 把 Codex 认证固定到 TaoToken 的长期用法

freemodel 那套免费额度，我试过之后放弃了。不是额度不够，是认证通道和 Codex 的兼容性太差，改了半天配置，最后卡在模型不支持上。免费的东西往往在你看不见的地方收成本，时间就是最大的成本。

把 Codex 的 auth.json 指向 TaoToken 之后，整个链路清晰了很多。auth.json 只管 Key，config.toml 管 provider 和 model，两层解耦。换模型只改一行model，换 Key 只改 auth.json，不用动其他配置。这种结构在长期跑 coding agent 的时候特别省心，不会因为某个网关改协议就整个崩掉。

如果你也在用 Claude Code 或者 Cline MCP，思路是一样的：Base URL 填https://taotoken.net/api，Key 用 TaoToken 生成的，Model ID 按需填。Codex 的特殊之处只是多了一个 auth.json，其他工具通常直接在设置里填 Base URL 和 Key 就行。

最后给一个实用技巧：把 config.toml 和 auth.json 备份一份，换机器或者重装 Codex 的时候直接复制过去，省得重新配。auth.json 里的 Key 记得定期轮换，TaoToken 控制台可以随时生成新的，旧 Key 删掉就行。这样即使 Key 泄露，影响也可控。

配置这件事，一次搞对，后面就是复制粘贴。与其在免费额度上反复试错，不如把认证层固定下来，把时间花在真正要写的代码上。