模型提供商 (Providers)

OpenCode 通过 AI SDK 和 Models.dev 支持 75+ 家 LLM 提供商，同时兼容本地模型运行。以下是详细的配置与使用说明。

核心操作步骤

添加提供商

使用 /connect 命令添加提供商的 API 密钥；
在 OpenCode 配置中自定义提供商参数。

凭证存储

通过 /connect 命令添加的 API 密钥，将存储在 ~/.local/share/opencode/auth.json 路径下。

配置自定义

可通过配置文件 opencode.json 的 provider 字段自定义提供商参数，示例如下：

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "anthropic": {
      "options": {
        "baseURL": "https://api.anthropic.com/v1"
      }
    }
  }
}

基础 URL 自定义

通过 baseURL 选项可自定义任何提供商的 API 基础地址，适用于代理服务或自定义端点场景。

OpenCode Zen (推荐新手使用)

OpenCode Zen 是由 OpenCode 团队提供的一系列经过测试验证的模型集合。

[!TIP] 关于 OpenCode Zen 的更多高级配置和详细模型列表，请参阅 OpenCode Zen 枢纽页。

配置步骤

运行 /connect 命令，选择 opencode；
访问 opencode.ai/auth 登录并添加账单信息，复制 API 密钥；
在终端粘贴 API 密钥；
运行 /models 命令查看推荐模型列表。

该功能完全可选，使用方式与其他提供商一致。

各提供商详细配置

302.AI

访问 302.AI 控制台，注册账号并生成 API 密钥；
运行 /connect 命令，搜索并选择 302.AI；
输入 302.AI 的 API 密钥；
运行 /models 命令选择所需模型。

Amazon Bedrock

前置要求

需在 Amazon Bedrock 控制台的模型目录中，申请获取目标模型的访问权限。

认证配置（任选一种方式）

环境变量（快速开始） 运行 OpenCode 时设置以下任一环境变量：

# 方式 1：使用 AWS 访问密钥
AWS_ACCESS_KEY_ID=XXX AWS_SECRET_ACCESS_KEY=YYY opencode

# 方式 2：使用命名 AWS 配置文件
AWS_PROFILE=my-profile opencode

# 方式 3：使用 Bedrock Bearer 令牌
AWS_BEARER_TOKEN_BEDROCK=XXX opencode

也可将环境变量添加到 bash 配置文件（~/.bash_profile）：

export AWS_PROFILE=my-dev-profile
export AWS_REGION=us-east-1

配置文件（推荐） 针对项目专属或持久化配置，可使用 opencode.json 文件：

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "amazon-bedrock": {
      "options": {
        "region": "us-east-1",
        "profile": "my-aws-profile"
      }
    }
  }
}

可用配置选项

region：AWS 区域（例如 us-east-1、eu-west-1）；
profile：来自 ~/.aws/credentials 的 AWS 命名配置文件；
endpoint：VPC 端点的自定义端点 URL（等同于通用的 baseURL 选项）。

[!NOTE] 配置文件中的选项优先级高于环境变量。

高级配置：VPC 端点

若使用 VPC 端点访问 Bedrock，配置示例如下：

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "amazon-bedrock": {
      "options": {
        "region": "us-east-1",
        "profile": "production",
        "endpoint": "https://bedrock-runtime.us-east-1.vpce-xxxxx.amazonaws.com"
      }
    }
  }
}

认证方式

AWS_ACCESS_KEY_ID/AWS_SECRET_ACCESS_KEY：在 AWS 控制台创建 IAM 用户并生成访问密钥；
AWS_PROFILE：使用 ~/.aws/credentials 中的命名配置文件，需先通过 aws configure --profile my-profile 或 aws sso login 完成配置；
AWS_BEARER_TOKEN_BEDROCK：从 Amazon Bedrock 控制台生成长期 API 密钥；
AWS_WEB_IDENTITY_TOKEN_FILE/AWS_ROLE_ARN：适用于 EKS IRSA（服务账号的 IAM 角色）或其他支持 OIDC 联合身份验证的 Kubernetes 环境，相关环境变量会由 Kubernetes 在使用服务账号注解时自动注入。

认证优先级

Bearer 令牌（通过 /connect 命令或 AWS_BEARER_TOKEN_BEDROCK 环境变量设置）；
AWS 凭证链（配置文件、访问密钥、共享凭证、IAM 角色、Web 身份令牌（EKS IRSA）、实例元数据）。

[!NOTE] 当设置了 Bearer 令牌时，其优先级高于所有 AWS 凭证方式（包括已配置的配置文件）。

最终步骤

运行 /models 命令选择所需模型。

Anthropic

推荐注册 Claude Pro 或 Max 账号；
注册完成后，运行 /connect 命令并选择 Anthropic；
选择认证方式：
- Claude Pro/Max：选择该选项后，浏览器会自动打开并要求完成身份验证；
- Create an API Key：若无 Pro/Max 订阅，可选择该选项，浏览器打开后登录 Anthropic 并获取验证码，将验证码粘贴到终端；
- Manually enter API Key：若已有 API 密钥，直接粘贴到终端；
运行 /models 命令，即可使用所有 Anthropic 模型。

Azure OpenAI

注意事项

若出现 “I’m sorry, but I cannot assist with that request” 错误，需将 Azure 资源的内容过滤器从 DefaultV2 改为 Default。

配置步骤

在 Azure 门户创建 Azure OpenAI 资源，获取：
- 资源名称（API 端点：https://RESOURCE_NAME.openai.azure.com/）；
- API 密钥（KEY 1 或 KEY 2）；
在 Azure AI Foundry 部署模型（部署名称需与模型名称一致）；
运行 /connect 命令，搜索并选择 Azure；
输入 API 密钥；
设置资源名称环境变量：

AZURE_RESOURCE_NAME=XXX opencode

或添加到 bash 配置文件：

# ~/.bash_profile
export AZURE_RESOURCE_NAME=XXX

运行 /models 命令选择模型。

Azure Cognitive Services

在 Azure 门户创建资源，获取：
- 资源名称（API 端点：https://AZURE_COGNITIVE_SERVICES_RESOURCE_NAME.cognitvieservices.azure.com/）；
- API 密钥（KEY 1 或 KEY 2）；
在 Azure AI Foundry 部署模型（部署名称需与模型名称一致）；
运行 /connect 命令，搜索并选择 Azure Cognitive Services；
输入 API 密钥；
设置资源名称环境变量：

AZURE_COGNITIVE_SERVICES_RESOURCE_NAME=XXX opencode

或添加到 bash 配置文件：

# ~/.bash_profile
export AZURE_COGNITIVE_SERVICES_RESOURCE_NAME=XXX

运行 /models 命令选择模型。

Baseten

访问 Baseten platform，创建账号并生成 API 密钥；
运行 /connect 命令，搜索并选择 Baseten；
输入 API 密钥；
运行 /models 命令选择模型。

Cerebras

访问 Cerebras 控制台，创建账号并生成 API 密钥；
运行 /connect 命令，搜索并选择 Cerebras；
输入 API 密钥；
运行 /models 命令选择模型（如 Qwen 3 Coder 480B）。

Cloudflare AI Gateway

Cloudflare AI Gateway 支持通过统一端点访问 OpenAI、Anthropic 等多个提供商模型，并支持统一计费。

配置步骤

访问 Cloudflare 控制台，导航至 AI > AI Gateway，创建网关；
设置环境变量：

# ~/.bash_profile
export CLOUDFLARE_ACCOUNT_ID=你的32位账号ID
export CLOUDFLARE_GATEWAY_ID=你的网关ID

运行 /connect 命令，搜索并选择 Cloudflare AI Gateway；
输入 API 令牌（或通过环境变量 CLOUDFLARE_API_TOKEN 设置）；
运行 /models 命令选择模型。

模型自定义配置

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "cloudflare-ai-gateway": {
      "models": {
        "openai/gpt-4o": {},
        "anthropic/claude-sonnet-4": {}
      }
    }
  }
}

Cortecs

访问 Cortecs 控制台，创建账号并生成 API 密钥；
运行 /connect 命令，搜索并选择 Cortecs；
输入 API 密钥；
运行 /models 命令选择模型（如 Kimi K2 Instruct）。

DeepSeek

访问 DeepSeek 控制台，创建账号并点击 "Create new API key" 生成密钥；
运行 /connect 命令，搜索并选择 DeepSeek；
输入 API 密钥；
运行 /models 命令选择模型（如 DeepSeek Reasoner）。

Deep Infra

访问 Deep Infra 控制台，创建账号并生成 API 密钥；
运行 /connect 命令，搜索并选择 Deep Infra；
输入 API 密钥；
运行 /models 命令选择模型。

Firmware

访问 Firmware 控制台，创建账号并生成 API 密钥；
运行 /connect 命令，搜索并选择 Firmware；
输入 API 密钥；
运行 /models 命令选择模型。

Fireworks AI

访问 Fireworks AI 控制台，创建账号并点击 "Create API Key" 生成密钥；
运行 /connect 命令，搜索并选择 Fireworks AI；
输入 API 密钥；
运行 /models 命令选择模型 (如 Kimi K2 Instruct)。

GitLab Duo

GitLab Duo 基于 Anthropic 代理提供 AI 聊天功能，支持工具调用。

认证方式

运行 /connect 命令，选择 GitLab；
选择认证方式：
- OAuth（推荐）：浏览器跳转授权；
- Personal Access Token：手动创建并输入。

个人访问令牌创建步骤

进入 GitLab 用户设置 > 访问令牌；
点击 "Add new token"，名称设为 OpenCode，权限勾选 api；
复制令牌 (以 glpat- 开头) 并在终端输入。

可用模型

duo-chat-haiku-4-5 (默认)：快速响应；
duo-chat-sonnet-4-5：平衡性能；
duo-chat-opus-4-5：复杂分析场景。

自托管 GitLab 配置

设置环境变量：

export GITLAB_INSTANCE_URL=https://gitlab.company.com
export GITLAB_TOKEN=glpat-...
# 如需自定义 AI 网关
export GITLAB_AI_GATEWAY_URL=https://ai-gateway.company.com

管理员需启用：
- Duo Agent Platform (用户/群组/实例级别)；
- 功能标志：agent_platform_claude_code、third_party_agents_enabled。
OAuth 配置：
- 创建应用，回调 URL 设为 http://127.0.0.1:8080/callback；
- 权限勾选：api、read_user、read_repository；
- 设置环境变量 GITLAB_OAUTH_CLIENT_ID=你的应用ID。

GitLab API 工具 (可选)

如需访问 GitLab 工具 (合并请求、问题、流水线等)，需添加插件配置：

{
  "$schema": "https://opencode.ai/config.json",
  "plugin": ["@gitlab/opencode-gitlab-plugin"]
}

GitHub Copilot

注意事项

部分模型需 Pro+ 订阅；
部分模型需在 GitHub Copilot 设置中手动启用。

配置步骤

运行 /connect 命令，搜索并选择 GitHub Copilot；
访问 github.com/login/device，输入终端显示的验证码 (如 8F43-6FCF)；
完成授权后，运行 /models 命令选择模型。

Google Vertex AI

前置要求

启用 Vertex AI API 的 Google Cloud 项目。

配置步骤

设置环境变量：

# 运行时设置
GOOGLE_APPLICATION_CREDENTIALS=/path/to/service-account.json GOOGLE_CLOUD_PROJECT=你的项目ID opencode

或添加到 bash 配置文件：

# ~/.bash_profile
export GOOGLE_APPLICATION_CREDENTIALS=/path/to/service-account.json
export GOOGLE_CLOUD_PROJECT=你的项目ID
export VERTEX_LOCATION=global # 可选，默认 global

认证方式 (任选一种)：
- 服务账号 JSON 密钥文件 (通过 GOOGLE_APPLICATION_CREDENTIALS 指定)；
- gcloud CLI 认证：gcloud auth application-default login。
运行 /models 命令选择模型。

[!TIP] global 区域可提高可用性，减少错误，无额外成本；区域端点 (如 us-central1) 满足数据驻留要求。

运行 /models 命令选择所需模型。

Groq

访问 Groq 控制台，点击“Create API Key”生成并复制 API 密钥；
运行 /connect 命令，搜索并选择 Groq；
输入 Groq 的 API 密钥；
运行 /models 命令选择所需模型。

Hugging Face

Hugging Face Inference Providers 支持访问 17 种以上提供商的开源模型。

配置步骤

前往 Hugging Face 设置页面，创建具有 Inference Providers 调用权限的令牌；
运行 /connect 命令，搜索并选择 Hugging Face；
输入 Hugging Face 令牌；
运行 /models 命令选择模型（例如 Kimi-K2-Instruct、GLM-4.6）。

Helicone

Helicone 是 LLM 可观测性平台，提供日志记录、监控和分析。

配置步骤

访问 Helicone 平台，创建账号并从控制台生成 API 密钥；
运行 /connect 命令，搜索并选择 Helicone；
输入 API 密钥；
运行 /models 命令选择模型。

高级配置

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "helicone": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "Helicone",
      "options": {
        "baseURL": "https://ai-gateway.helicone.ai",
        "headers": {
          "Helicone-Cache-Enabled": "true",
          "Helicone-User-Id": "opencode"
        }
      },
      "models": {
        "gpt-4o": {
          "name": "GPT-4o"
        },
        "claude-sonnet-4-20250514": {
          "name": "Claude Sonnet 4"
        }
      }
    }
  }
}

常用请求头

请求头	描述
`Helicone-Cache-Enabled`	启用响应缓存（`true`/`false`）
`Helicone-User-Id`	按用户跟踪指标
`Helicone-Property-[Name]`	添加自定义属性（如 `Helicone-Property-Environment`）
`Helicone-Prompt-Id`	关联请求与提示词版本

会话跟踪插件

安装插件：npm install -g opencode-helicone-session；
配置启用：

{
  "plugin": ["opencode-helicone-session"]
}

llama.cpp (本地模型)

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "llama.cpp": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "llama-server (local)",
      "options": {
        "baseURL": "http://127.0.0.1:8080/v1"
      },
      "models": {
        "qwen3-coder:a3b": {
          "name": "Qwen3-Coder: a3b-30b (local)",
          "limit": {
            "context": 128000,
            "output": 65536
          }
        }
      }
    }
  }
}

IO.NET

访问 IO.NET 控制台，创建账号并生成 API 密钥；
运行 /connect 命令，搜索并选择 IO.NET；
输入 API 密钥；
运行 /models 命令选择模型（支持 17 种优化模型）。

LM Studio (本地模型)

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "lmstudio": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "LM Studio (local)",
      "options": {
        "baseURL": "http://127.0.0.1:1234/v1"
      },
      "models": {
        "google/gemma-3n-e4b": {
          "name": "Gemma 3n-e4b (local)"
        }
      }
    }
  }
}

Moonshot AI (Kimi K2)

访问 Moonshot AI 控制台，创建账号并点击 "Create API key" 生成密钥；
运行 /connect 命令，搜索并选择 Moonshot AI；
输入 API 密钥；
运行 /models 命令选择 Kimi K2 模型。

MiniMax

访问 MiniMax API 控制台，创建账号并生成 API 密钥；
运行 /connect 命令，搜索并选择 MiniMax；
输入 API 密钥；
运行 /models 命令选择模型 (如 M2.1)。

Nebius Token Factory

访问 Nebius Token Factory 控制台，创建账号并点击 "Add Key" 生成密钥；
运行 /connect 命令，搜索并选择 Nebius Token Factory；
输入 API 密钥；
运行 /models 命令选择模型 (如 Kimi K2 Instruct)。

Ollama (本地模型)

配置参考

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "ollama": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "Ollama (local)",
      "options": {
        "baseURL": "http://localhost:11434/v1"
      },
      "models": {
        "llama2": {
          "name": "Llama 2"
        }
      }
    }
  }
}

[!TIP] 工具调用异常时，可尝试增加 Ollama 的 num_ctx 参数 (建议 16k - 32k)。

Ollama Cloud

访问 https://ollama.com/ 注册账号；
导航至 Settings > Keys，点击 "Add API Key" 生成密钥；
运行 /connect 命令，搜索并选择 Ollama Cloud；
输入 API 密钥；
本地拉取模型信息：ollama pull gpt-oss:20b-cloud；
运行 /models 命令选择模型。

OpenAI

运行 /connect 命令，选择 OpenAI；
选择认证方式：
- ChatGPT Plus/Pro：浏览器跳转认证；
- Manually enter API Key：手动输入已有的 API 密钥；
运行 /models 命令查看可用模型。

OpenRouter

访问 OpenRouter 控制台，点击 "Create API Key" 生成密钥；
运行 /connect 命令，搜索并选择 OpenRouter；
输入 API 密钥；
运行 /models 命令选择模型 (默认预加载多个模型)。

模型自定义配置

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "openrouter": {
      "models": {
        "somecoolnewmodel": {},
        "moonshotai/kimi-k2": {
          "options": {
            "provider": {
              "order": ["baseten"],
              "allow_fallbacks": false
            }
          }
        }
      }
    }
  }
}

SAP AI Core

SAP AI Core 支持访问 40+ 种模型 (OpenAI、Anthropic、Google 等)。

配置步骤

访问 SAP BTP 控制台，导航至 SAP AI Core 服务实例，创建服务密钥 (包含 clientid、clientsecret、url、serviceurls.AI_API_URL)；
运行 /connect 命令，搜索并选择 SAP AI Core；
输入服务密钥 JSON (或通过环境变量 AICORE_SERVICE_KEY 设置)；
(可选) 设置部署 ID 和资源组：

AICORE_DEPLOYMENT_ID=你的部署ID AICORE_RESOURCE_GROUP=你的资源组 opencode

运行 /models 命令选择模型。

OVHcloud AI Endpoints

访问 OVHcloud 面板，导航至 Public Cloud > AI & Machine Learning > AI Endpoints；
在 API Keys 标签页点击 "Create a new API key" 生成密钥；
运行 /connect 命令，搜索并选择 OVHcloud AI Endpoints；
输入 API 密钥；
运行 /models 命令选择模型 (如 gpt-oss-120b)。

Scaleway

访问 Scaleway 控制台 IAM 设置，生成 API 密钥；
运行 /connect 命令，搜索并选择 Scaleway；
输入 API 密钥；
运行 /models 命令选择模型 (如 devstral-2-123b-instruct-2512、gpt-oss-120b)。

Together AI

访问 Together AI 控制台，创建账号并点击 "Add Key" 生成密钥；
运行 /connect 命令，搜索并选择 Together AI；
输入 API 密钥；
运行 /models 命令选择模型 (如 Kimi K2 Instruct)。

Venice AI

访问 Venice AI 控制台，创建账号并生成 API 密钥；
运行 /connect 命令，搜索并选择 Venice AI；
输入 API 密钥；
运行 /models 命令选择模型 (如 Llama 3.3 70B)。

Vercel AI Gateway

Vercel AI Gateway 支持通过统一端点访问多个提供商模型，且按标价计费。

配置步骤

访问 Vercel 控制台，导航至 AI Gateway 标签页，创建 API 密钥；
运行 /connect 命令，搜索并选择 Vercel AI Gateway；
输入 API 密钥；
运行 /models 命令选择模型。

路由配置

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "vercel": {
      "models": {
        "anthropic/claude-sonnet-4": {
          "options": {
            "order": ["anthropic", "vertex"],
            "only": ["anthropic"], // 限制仅使用指定提供商
            "zeroDataRetention": true // 仅使用零数据保留政策的提供商
          }
        }
      }
    }
  }
}

常用路由选项

选项	描述
`order`	尝试使用的提供商顺序
`only`	限制仅使用指定提供商
`zeroDataRetention`	仅使用符合零数据留存政策的提供商

xAI

访问 xAI 控制台，创建账号并生成 API 密钥；
运行 /connect 命令，搜索并选择 xAI；
输入 API 密钥；
运行 /models 命令选择模型 (如 Grok Beta)。

Z.AI

访问 Z.AI API 控制台，创建账号并点击 "Create a new API key" 生成密钥；
运行 /connect 命令，搜索并选择 Z.AI；
若订阅了 GLM Coding Plan，选择对应选项；
输入 API 密钥；
运行 /models 命令选择模型 (如 GLM-4.7)。

ZenMux

访问 ZenMux 控制台，点击 "Create API Key" 生成并复制 API 密钥；
运行 /connect 命令，搜索并选择 ZenMux；
输入 API 密钥；
运行 /models 命令选择模型 (默认预加载多个模型)。

模型自定义配置

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "zenmux": {
      "models": {
        "somecoolnewmodel": {}
      }
    }
  }
}

自定义提供商 (OpenAI 兼容)

支持添加任何未在 /connect 列表中的 OpenAI 兼容提供商：

配置步骤

运行 /connect 命令，选择 "Other"；
输入提供商唯一 ID (如 myprovider)；
输入 API 密钥；
创建或修改 opencode.json：

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "myprovider": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "我的 AI 提供商",
      "options": {
        "baseURL": "https://api.myprovider.com/v1",
        "apiKey": "{env:ANTHROPIC_API_KEY}", // 支持环境变量引用
        "headers": {
          "Authorization": "Bearer custom-token"
        }
      },
      "models": {
        "my-model-name": {
          "name": "我的模型",
          "limit": {
            "context": 200000,
            "output": 65536
          }
        }
      }
    }
  }
}

运行 /models 命令查看自定义模型。

故障排除

检查凭证：运行 opencode auth list 确认提供商凭证已添加 (不适用于依赖环境变量的提供商如 Amazon Bedrock)；
自定义提供商配置检查：
- /connect 命令中使用的提供商 ID 需与配置文件一致；
- 确保使用正确的 npm 包 (如 Cerebras 用 @ai-sdk/cerebras，其他 OpenAI 兼容提供商用 @ai-sdk/openai-compatible)；
- 验证 options.baseURL 中的 API 端点是否正确。

Intro (入门)

Usage (使用指南)

Configure (详细配置)

Develop (开发)

模型提供商 (Providers)

核心操作步骤

添加提供商

凭证存储

配置自定义

基础 URL 自定义

OpenCode Zen (推荐新手使用)

配置步骤

各提供商详细配置

302.AI

Amazon Bedrock

前置要求

认证配置（任选一种方式）

可用配置选项

高级配置：VPC 端点

认证方式

认证优先级

最终步骤

Anthropic

Azure OpenAI

注意事项

配置步骤

Azure Cognitive Services

Baseten

Cerebras

Cloudflare AI Gateway

配置步骤

模型自定义配置

Cortecs

DeepSeek

Deep Infra

Firmware

Fireworks AI

GitLab Duo

认证方式

个人访问令牌创建步骤

可用模型

自托管 GitLab 配置

GitLab API 工具 (可选)

GitHub Copilot

注意事项

配置步骤

Google Vertex AI

前置要求

配置步骤

Groq

Hugging Face

配置步骤

Helicone

配置步骤

高级配置

常用请求头

会话跟踪插件

llama.cpp (本地模型)

IO.NET

LM Studio (本地模型)

Moonshot AI (Kimi K2)

MiniMax

Nebius Token Factory

Ollama (本地模型)

配置参考

Ollama Cloud

OpenAI

OpenRouter

模型自定义配置

SAP AI Core

配置步骤

OVHcloud AI Endpoints

Scaleway

Together AI

Venice AI

Vercel AI Gateway

配置步骤

路由配置

常用路由选项

xAI