结论先行
决定费用归属的是实际认证身份、产品权益与请求配置,不是你使用 CLI、Java 还是 Spring AI。Codex 使用 ChatGPT 登录与 API Key 登录时分别走对应权益和 API 计费;CLI 可用并不能证明 API 项目有可用额度。OpenAI Authentication。
先确认身份,再配置花费控制,最后用最小请求和平台 Usage 对账。本文以官方文档为事实依据,明确区分产品规则、工程建议和未执行的实操步骤。
问题背景
常见困惑是:ChatGPT 已订阅,Codex CLI 也能正常回答,为什么 Spring AI 还要求 Key、甚至提示额度不足?原因在于“客户端”“身份凭证”“产品权益”“模型接口”是不同层次。CLI 背后同样访问服务,只是可以替用户管理产品登录流程。
本文聚焦 OpenAI 直连接入。第三方中转或云平台转售有独立计费主体,不能直接套用本文账单判断;不同厂商也未必采用相同的订阅/API 分离方式。
详细内容
先判断账单归属:看认证,不看客户端名称
同一个账号能登录 ChatGPT、Codex 和 API Platform,不代表三处共享一个可任意消费的余额。官方把 Codex 的 ChatGPT 登录与 API Key 登录分开:前者使用对应产品权益,后者按 API 计费。CLI 只是程序入口,不是免付费通道。依据:OpenAI Authentication。
| 调用方式 | 凭证与权益 | 应去哪里核对 |
|---|---|---|
| Codex + ChatGPT 登录 | CLI 保存登录凭证;使用相应套餐权益 | Codex 用量页面、套餐或工作区账单 |
| Codex + API Key | API 凭证;API 用量账单 | API Platform 的组织、项目与 Usage |
| Spring AI + OpenAI API | 应用自己的 API 凭证 | 该 Key 所属 API 项目 |
| Spring AI + 自定义 CLI 适配 | 实际运行 CLI 的身份与配置 | 先查 CLI 认证,再查对应账单 |
Codex 的套餐内用量、额外 credits、企业协议可能有不同口径;不能把 credits 按固定比例一概换成 API 美元,也不能把“订阅可用”写成“无限调用”。具体套餐和剩余额度以账号页面为准。Codex Pricing。
四种“限额”要分别配置和排查
| 概念 | 它回答什么 | 容易混淆的地方 |
|---|---|---|
| 套餐用量 | 当前 Codex 身份还能执行多少工作 | 不是 API 项目余额 |
| API 余额与获批用量 | 账户是否还有可用资金或使用资格 | 充值不等于提高调用速率 |
| Spend alert / hard limit | 花费到阈值后告警还是拦截 | 只设置告警不会自动停流量 |
| RPM / TPM 等速率 | 单位时间允许多少请求或 token | 有钱也可能因速率限制返回 429 |
官方当前支持组织和项目硬花费限额:在相应 Limits → Spend 中编辑月度金额,并明确启用 Enforce a hard limit;组织上限覆盖所属项目。仅设置 spend alert 只通知、不拦截。硬限额传播有延迟,不能保证账单分毫不超。Spend limits。
实操时先记录组织、项目、月度阈值、是否启用硬拦截和告警接收人;刷新页面复核保存结果。如果账号界面没有该选项,检查权限并向管理员确认,不把输入了金额当作硬限额已生效。速率限制另查 Rate limits。
实操一:确认 Codex CLI 正在使用哪种身份
先做只读检查,不需要发送模型请求,也不需要查看 auth.json:
codex --version
codex login status
codex login --help
codex exec --help以 login status 实际输出判断认证方式。需要改为 ChatGPT 登录时,在自己的终端运行 codex login 并完成浏览器流程;切换身份会影响后续调用,应先确认当前工作区。交互式 Codex 会话中输入 /status 查看剩余额度;它不是 shell 命令。OpenAI Authentication、Codex Pricing。
确认身份、模型与用量后,可手动执行一次最小任务。下面命令会消耗对应账户用量;在无业务数据的空目录执行,并先检查本地是否配置了额外 MCP 或 hooks。只读沙箱约束文件写入,不等于关闭全部工具:
codex exec --sandbox read-only --skip-git-repo-check --ephemeral \
--json "不要使用工具,不读写文件,只回复 OK。" > codex-smoke.jsonl验收时同时看退出码和 JSONL:应有成功完成事件及最终回答;如果有失败事件,应保留错误信息排查,不能只看文件存在就认定成功。非交互调用会复用 CLI 已保存的认证。Codex Non-interactive mode。
实操二:独立验证 API,先绕开 Spring 配置干扰
这一步用于选择 API 路线的读者,会产生 API 用量;只验证 CLI 路线可以跳过。准备 Python 3、可访问官方 API 的网络、已确认计费状态的测试项目,以及有目标模型权限的项目 Key。模型必须支持 Responses API,使用 API 模型标识,不直接照搬 CLI 显示名。
在 API Platform 选择正确组织和项目,检查 Billing、Limits、Usage,并按需要配置告警和硬限额。将下面程序保存为 openai_billing_smoke.py,运行 python3 openai_billing_smoke.py。Key 通过隐藏输入读取,或预先由安全环境注入;不要写进脚本或版本库。此示例基于 Developer quickstart 的 HTTP 接口形式。
import getpass
import json
import os
import urllib.error
import urllib.request
key = os.environ.get("OPENAI_API_KEY") or getpass.getpass("API Key: ")
model = os.environ.get("OPENAI_MODEL") or input("Responses API model ID: ").strip()
if not key or not model:
raise SystemExit("Key 和 model 均不能为空")
payload = {
"model": model,
"input": "Reply only with OK.",
"max_output_tokens": 256,
"store": False,
}
request = urllib.request.Request(
"https://api.openai.com/v1/responses",
data=json.dumps(payload).encode("utf-8"),
headers={"Authorization": "Bearer " + key,
"Content-Type": "application/json"},
method="POST",
)
try:
with urllib.request.urlopen(request, timeout=60) as response:
body = json.load(response)
print("request_id:", response.headers.get("x-request-id"))
print(json.dumps({k: body.get(k) for k in
("id", "model", "status", "usage", "incomplete_details")},
ensure_ascii=False, indent=2))
for item in body.get("output", []):
for part in item.get("content", []):
if part.get("type") == "output_text":
print(part.get("text", ""))
except urllib.error.HTTPError as error:
print("HTTP:", error.code)
print("request_id:", error.headers.get("x-request-id"))
print(error.read().decode("utf-8", errors="replace"))
raise SystemExit(1)
except (urllib.error.URLError, TimeoutError) as error:
print("请求结果未确认;不要自动重复发送:", type(error).__name__)
raise SystemExit(2)
成功标准:HTTP 请求成功、status 为 completed、有实际输出且 usage 可读;再到同一项目的 Usage 中核对时间区间和模型。统计可能延迟,应保留 request_id。256 是本例输出 token 上限,不是美元上限,也不保证所有模型都能完成;推理模型可能先耗尽推理预算并返回 incomplete。不要为了得到 OK 无限重试。Reasoning models。
费用怎么算:先读取 usage,再匹配正确价目表
计费核算必须绑定模型、服务档位、上下文档位、模态与核对日期。文本 token、缓存读写、工具、存储和媒体可能采用不同计费项;不能拿输出字符数乘一个统一单价。当前价目表已有 Cache writes 一栏,不能继续把所有缓存行为都视为只有缓存读取折扣。依据:API Pricing。
下面只演示“无缓存写入、无工具、纯文本”的核算。假设总输入为 10,000 token,其中缓存命中 2,000,输出 1,000;假设普通输入、缓存输入、输出价格分别为每百万 token 2、0.2、8 美元。这三项是假设单价,不是任何模型的官方报价。
普通输入: (10,000 - 2,000) × 2 / 1,000,000 = $0.0160
缓存输入: 2,000 × 0.2 / 1,000,000 = $0.0004
输出: 1,000 × 8 / 1,000,000 = $0.0080
合计: $0.0244缓存命中数属于输入细分,不能既按全部输入计费又额外加一遍缓存输入;推理 token 通常计入输出计费,也不能在已包含它的 output_tokens 之外重复相加。实际响应以所选 API 的 usage 结构为准。Reasoning models。
工程建议:每次请求保存模型、服务档位、原始 usage、请求标识、价目表版本和估算金额;用 Decimal 做金额运算。估算只覆盖已建模的计费项,工具、缓存写入或多模态出现时必须扩展核算;最终与平台账单对账。
实操三:遇到 401、429 或模型不可用时怎么查
| 现象 | 先核实 | 处理方向 |
|---|---|---|
| 401 | 凭证是否有效,是否误用了产品登录凭证 | 重新确认 API Key;不要复制 CLI token 当作通用 Key |
| 模型不存在或无权限 | API 模型 ID、项目权限、模型可用性 | 核对模型目录和错误体,不凭 CLI 可用推定 API 可用 |
| 429:速率限制 | 请求数、token 速率与并发 | 有界退避并降低并发;失败请求也可能计入速率 |
| 429:花费上限 | error.code 与组织/项目限额 | 停止重复重试,由负责人决定调整或等待周期重置 |
| 余额或获批用量不足 | Billing、额度状态及错误码 | 按对应账户问题处理,不只给 ChatGPT 升级套餐 |
| 超时或连接中断 | 请求是否已经发出,是否拿到响应 ID | 记录未知结果并核查,不能直接算零费用 |
当前官方用 organization_spend_limit_exceeded、project_spend_limit_exceeded 区分花费上限;organization_usage_limit_exceeded 和 credit_balance_exhausted 分别指向获批用量与余额。以实际 error.code 为准,不只判断 HTTP 429。依据:Spend limits、Error codes。
Spring AI 如何选择:官方 API 与 CLI 适配
Spring AI 的 ChatModel 是模型调用抽象,并不规定必须使用 OpenAI 官方 API。普通 OpenAI 适配器按配置的接口与凭证发请求;它不会自动继承你在 Codex CLI 中的订阅登录。接口依据:Spring AI Chat Model API。
API 路线:业务 → ChatClient → API 适配器 → OpenAI API 项目账单
CLI 路线:业务 → ChatClient → 自定义 ChatModel → codex exec → CLI 当前身份CLI 路线在技术上可实现,适合先验证自己的本地工作流;这属于基于官方非交互能力的工程方案,不是官方 Spring AI Codex starter,也不是模型 API 的完整等价替代。适配器至少要处理超时、取消、退出码、事件解析与并发;流式响应、工具调用、Embedding 和 usage 映射须分别验证。
生产接入建议使用可独立授权、计费和观测的应用身份。若选择 CLI,应先评估部署账号、工作区权限、工具访问范围和服务稳定性。更换调用入口不会消除额度约束。
团队可直接采用的计费记录规范
以下是工程建议,不是 OpenAI 强制规范。每个应用维护一份计费说明,便于开发、运维和费用负责人共同核对:
| 字段 | 填写要求 |
|---|---|
| 认证与归属 | ChatGPT 登录或 API Key;组织、项目、工作区及负责人 |
| 调用范围 | 模型 ID、API 端点、档位、工具与模态;测试/生产分开 |
| 价格证据 | 官方链接、核对日期、单位、上下文门槛、附加费用 |
| 控制措施 | 告警阈值、是否启用硬限额、应用并发和单任务上限 |
| 请求证据 | UTC 时间、业务关联 ID、request_id、usage、结果状态;不记录 Key |
| 异常处理 | 限流重试上限、额度耗尽停止策略、未知费用核对责任人 |
| 复核触发 | 换模型、换身份、换档位或引入工具时重新核算 |
验收清单:CLI 身份能解释其账单归属;API 测试能返回真实 usage;告警与硬限额分别确认;同项目 Usage 可对账;超时不会被当作免费失败;所有示例仅保留占位符或运行时输入。
资料核对日期为 2026-10-15;本机已检查 codex-cli 0.158.0 的 login 和 exec 帮助。本文未执行付费模型请求、未修改账户计费配置;示例是可执行操作指引,不能据此声称读者账号已通过实测。
总结归纳
本地 Codex 已能使用时,先通过 login status 与 /status 解释当前身份和权益;应用选择 API 后,独立核对项目计费并执行最小请求。成本管理以实际 usage、适用单价和平台账单为依据,告警、硬限额、速率限制分别管理。
长期维护时保留认证、项目、模型、价格日期和请求证据;任何身份、模型或档位切换都重新核对。这样才能把“能调通”推进到“知道谁付费、花了多少、出了问题能定位”。
参考资料
- OpenAI Authentication
认证方式与账单归属;核对日期:2026-10-15。
- Codex Pricing
套餐、credits 与用量查看;核对日期:2026-10-15。
- Codex Non-interactive mode
脚本调用与登录复用;核对日期:2026-10-15。
- API Pricing
计费项目与实时单价;核对日期:2026-10-15。
- Spend limits
告警、硬限额及账单错误码;核对日期:2026-10-15。
- Rate limits
请求与 token 速率限制;核对日期:2026-10-15。
- Developer quickstart
环境变量与 API 请求;核对日期:2026-10-15。
- Reasoning models
推理 token 与输出预算;核对日期:2026-10-15。
- Error codes
认证、权限与限流排查;核对日期:2026-10-15。
- Spring AI Chat Model API
模型适配接口边界;核对日期:2026-10-15。