Codex-API für Cursor: Ein unzensiertes Modell verbinden

Was du einrichtest

Cursor ist ein Editor, der benutzerdefinierte Modellanbieter unterstützt. Wenn du ihm eine OpenAI-ähnliche Base URL, einen Schlüssel und einen Modellnamen gibst, sendet er seine Chat-Anfragen dorthin statt an seinen Standardanbieter. Dieser Dienst spricht dieses Protokoll: POST /v1/chat/completions mit Bearer-Authentifizierung, sowie GET /v1/models.

Zwei Dinge, die von Anfang an klar sein sollten. Dies ist eine unabhängige API, die ein einzelnes Open-Weight-Modell ausführt, nicht OpenAIs Codex und kein offizielles Produkt von Cursor. Und da Cursor seine Einstellungsbildschirme oft ändert, können die unten stehenden Bezeichnungen in deiner Version an einer leicht anderen Stelle liegen. Die drei Werte ändern sich nie: Base URL, Schlüssel, Modellname.

Schritt 1: Schlüssel besorgen und außerhalb von Cursor testen

Melde dich auf der API-Schlüssel-Seite mit Google oder mit E-Mail und Passwort an. Neue Konten können mit einem Klick $0,50 Testguthaben beanspruchen, gültig für 7 Tage, keine Karte erforderlich. Das reicht, um eine Editor-Einrichtung zu testen.

Bevor du Cursor berührst, bestätige, dass der Schlüssel funktioniert. Ein Fehler innerhalb eines Editors ist schwerer zu lesen als ein Fehler in einem Terminal.

Copycurl https://api.getcodexapi.com/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a Python function that reverses a string."}]
  }'

Wenn du eine JSON-Antwort mit einem Code darin erhältst, fahre fort. Wenn du stattdessen einen Fehler erhältst, behebe ihn zuerst hier. Häufige Ursachen sind ein fehlendes Zeichen im Schlüssel oder ein Leerzeichen, das am Ende eingefügt wurde.

Schritt 2: Cursor konfigurieren

1. Öffne die Einstellungen von Cursor und gehe zum Abschnitt Modelle.
2. Finde das Feld für einen OpenAI-API-Schlüssel und füge deinen Schlüssel von diesem Dienst ein.
3. Aktiviere die Option, die OpenAI-Base URL zu überschreiben, und gib https://api.getcodexapi.com/v1 ein.
4. Füge ein benutzerdefiniertes Modell hinzu und gib den exakten Namen uncensored ein.
5. Klicke auf die Schaltfläche „Überprüfen“, falls vorhanden, öffne dann ein Chat-Panel und wähle uncensored aus der Modellliste aus.

Wenn der Verifizierungsschritt einen Fehler meldet, überprüfe drei Dinge in der Reihenfolge: Die Base URL endet auf /v1 ohne einen Endpunkt-Pfad danach, der Schlüssel wurde ohne Leerzeichen am Ende eingefügt, und der Modellname enthält keine Großbuchstaben. Die Anleitung auf der Dokumentationsseite listet dieselben Werte mit zusätzlichen Client-Beispielen auf.

Eine Sache, die du einplanen solltest: Die Überschreibung ist eine Einstellung, keine pro-Modell-Wahl. Wenn du also auch anderswo in Cursor deinen eigenen OpenAI-Schlüssel nutzt, schalte die Überschreibung zuerst aus. Mache dir eine Notiz darüber, was du geändert hast.

Stelle nach dem Speichern dem Modell eine einfache Coding-Frage im Chat und beobachte die Antwort. Eine langsame erste Antwort ist normal, während Cursor seine Anfrage erstellt. Wenn die Antwort zurückkommt, bist du verbunden, und der nächste Schritt ist, es in deinem eigenen Repository an echter Arbeit auszuprobieren.

Was durch deinen Schlüssel läuft und was nicht

Cursor mischt mehrere Funktionen. Chat- und Inline-Bearbeitungsanfragen sind die, die dein benutzerdefiniertes Modell am ehesten nutzen, sobald du es auswählst. Andere Funktionen wie die Tab-Vervollständigung nutzten historisch Modelle, die Cursor selbst ausführt, und Agent-ähnliche Funktionen können davon abhängen, wie Cursor Tools handhabt. Der ehrliche Weg, es zu wissen, ist, die Funktion zu testen, auf die du dich verlässt, und dein Guthaben zu beobachten.

Das ist einfach: Jede Antwort der API enthält den X-Balance-USD-Header, und dein Kontostand ist im Konto sichtbar. Wenn sich das Guthaben nach einer Chat-Nachricht nicht ändert, wurde die Anfrage nicht an uns gesendet.

Function Calling wird auf diesem Endpunkt unterstützt (tools, tool_choice, gestreamte tool_calls und Ergebnisse als role: "tool"), was Editor-Agents benötigen. Streaming funktioniert über Server-Sent Events mit stream: true. Das Kontextfenster umfasst 100.000 Token, Prompt und Completion zusammen, sodass eine große Datei plus ihre Nachbarn in einer Anfrage Platz finden.

Warum ein unzensiertes Modell im Editor nutzen

Die meiste Programmierarbeit führt nie zu einer Ablehnung. Wenn es dazu kommt, betrifft es oft legitime Aufgaben, die für einen vorsichtigen Filter riskant aussehen: das Schreiben eines Port-Scanners für dein eigenes Netzwerk, das Analysieren von Malware-Proben, das Generieren von Testdaten mit Beleidigungen, das Erstellen des Back-Ends einer Rollenspiel- oder Companion-App für Erwachsene oder das Refaktorisieren von Code, der sich mit Inhaltsmoderation befasst. Dieses Modell ist darauf abgestimmt, bei gesetzeskonformer Erwachsennutzung ohne Inhaltsfilter zu antworten.

Es ist immer noch ein allgemeines Open-Weight-Modell, kein spezialisiertes Code-Modell, und nichts hier verspricht, dass es irgendeine Alternative in deinem Code-Bestand schlägt. Führe deine eigenen Aufgaben damit aus. Eine Regel ist fest: Keine sexuellen Inhalte mit Minderjährigen, und das kann nicht geändert werden.

Was es in der Praxis kostet

Der Preis beträgt $0,15 pro 1M Input-Token und $0,50 pro 1M Output-Token, vom Prepaid-Guthaben ohne Abonnement. Editor-Traffic ist input-lastig, da jede Anfrage den Datei-Kontext erneut sendet.

Eine Anfrage mit 8.000 Input-Token und 1.000 Output-Token kostet 8.000 x $0,15 / 1.000.000 = $0,0012 für Input, plus 1.000 x $0,50 / 1.000.000 = $0,0005 für Output, was $0,0017 ergibt. Wenn du 150 davon an einem intensiven Tag machst, sind das 150 x $0,0017 = $0,255, etwa 26 Cent.

Eine Anfrage, die 40.000 Token Kontext sendet und 1.500 zurückbekommt, kostet $0,006 + $0,00075 = $0,00675. Aufladungen beginnen bei $20 und das Guthaben verfällt nie, also besteht kein Druck, es aufzubrauchen. Siehe die Preisseite für Bonusstufen und die Coding-API-Seite für den allgemeinen Überblick.

Ratenlimits für die Editor-Nutzung

Ein voller Schlüssel erlaubt 8 parallele Anfragen und 300 Anfragen pro Minute. Ein Test-Schlüssel erlaubt 2 parallele und 60 pro Minute. Eine Person, die in einem Editor tippt, erreicht selten eines der Limits, aber ein Team, das einen Schlüssel teilt, oder ein Agent, der viele Anfragen parallel auslöst, kann es. Wenn du das Limit überschreitest, gibt die API HTTP 429 zurück. Der Code rate_limited bedeutet zu viele Anfragen pro Minute, und concurrency bedeutet zu viele gleichzeitig. Wenn der Dienst kurzzeitig überlastet ist, siehst du auch ein 429 mit Retry-After: 5.

Ein gestreamter Chat hält seine Concurrency-Slot bis zum Ende des Streams. Für die gemeinsame Nutzung gib jedem Entwickler seinen eigenen Schlüssel statt eines Schlüssels für das Team.

Fehlerbehebungs-Checkliste

• Modell nicht gefunden. Gib uncensored erneut ein, ohne Leerzeichen. Entferne alte benutzerdefinierte Modelle, die du nicht nutzt.
• Auth-Fehler. Kopiere den Schlüssel erneut. Stelle sicher, dass Cursor nicht immer noch einen Schlüssel eines anderen Anbieters nutzt.
• Antworten enden früh. Prüfe, ob Cursor seine eigene Ausgabe-Obergrenze setzt. Auf unserer Seite ist max_tokens optional.
• An deinem Guthaben ändert sich nichts. Die Funktion, die du genutzt hast, wird nicht über deinen benutzerdefinierten Schlüssel geleitet. Versuche es stattdessen mit Chat.
• Häufige 429-Fehler. Reduziere parallele Anfragen oder verwende einen vollen Schlüssel statt eines Test-Schlüssels.

Weitere Anleitungen

• Codex API-Preise: Token-basierte Tarife und Beispiele
• Codex API Base URL: So richtest du deinen Client auf unsere Base URL ein
• Unzensierte LLM API für Cursor