Технічний контекст
Я люблю такі новини не з прес-релізів, а за живими слідами: люди вже підключають до Codex сторонніх провайдерів, і це працює навіть на десктопі. Не як гарна «офіційна вітрина OpenAI», а як цілком прикладна AI-інтеграція через OpenAI-сумісний ендпоінт.
Якщо коротко, сам OpenAI публічно не подає Codex як маркетплейс будь-яких моделей. Але фактично в конфігу і через сумісні шлюзи можна переспрямувати запити на зовнішній base_url, підставити свій API-ключ і ганяти не лише рідні моделі, а й, наприклад, Qwen Cloud.
Я покопався в тому, що спливає з конфігів: логіка знайома. Обирається кастомний провайдер, задається model, base_url і env_key. Тобто це не магія, а звичайна інженерна стиковка, якщо провайдер нормально емулює OpenAI API.
Отут я б одразу пригальмував із захватом: «підключилося» ще не означає «все сумісне». Для кодових агентів важливі використання інструментів (tool use), стабільність стрімінгу, формат відповідей, обробка помилок і передбачуваність довгих сесій. На дешевих моделях або кривих gateway усе це починає сипатися дуже швидко.
Qwen виплив тут не випадково. Якщо дали купон і модель закриває ваш сценарій, економіка різко змінюється: замість дорогого дефолту можна зібрати робочий стек дешевше. Для AI-імплементації в інженерних командах це вже не дрібниця, а питання місячного бюджету.
Що це змінює для бізнесу й автоматизації
Перший ефект очевидний: падає вартість експериментів. Можна швидше перевіряти AI-автоматизацію для розробки, сапорту чи внутрішнього code review, не спалюючи бюджет на топові моделі там, де вони не потрібні.
Другий ефект менш очевидний, але важливіший: змінюється AI-архітектура. Я б не ставив одну модель на все підряд. Дешеву й швидку можна пустити на рутину, а сильну залишити на складні патчі, reasoning і ризиковані місця.
Виграють команди, які вміють збирати гібридний стек і рахувати TCO, а не просто «ввімкнути ШІ». Програють ті, хто на словах хоче автоматизації, але не перевіряє сумісність, ліміти та якість виводу на реальних репозиторіях.
Ми в Nahornyi AI Lab саме такі речі й збираємо для клієнтів: не просто підключаємо модель, а дивимось, де вона реально економить години, а де створює прихований борг. Якщо у вас зріє AI solution development навколо кодових агентів або внутрішньої автоматизації, давайте розкладемо ваш процес по кроках і зберемо схему без зайвих підписок і крихких милиць.