提供商

使用 OpenCode 中的任何 LLM 提供商。

OpenCode 使用 AI SDK 和 Models.dev 來支持 75+ LLM 提供商，並且它支持運行本地模型。

要添加提供商，您需要：

使用 /connect 命令添加提供商的 API 密鑰。
在 OpenCode 配置中配置提供商。

憑證

當您使用 /connect 命令添加提供商的 API 密鑰時，它們會被存儲在 ~/.local/share/opencode/auth.json。

配置

您可以在 OpenCode 配置的 provider 部分自定義提供商。

基本網址

您可以通過設置 baseURL 選項來自定義任何提供商的基本 URL。這在使用代理服務或自定義端點時非常有用。

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

OpenCode Zen

OpenCode Zen 是 OpenCode 團隊提供的模型列表，這些模型已被經過測試和驗證，可以與 OpenCode 良好配合。了解更多。

在 TUI 中運行 /connect 命令，選擇 opencode，然後前往 opencode.ai/auth。
```
/connect
```
登錄，添加您的帳單詳細信息，然後複製您的 API 密鑰。
粘貼您的 API 密鑰。
```
┌ API key
│
│
└ enter
```
在 TUI 中運行 /models 以查看我們推薦的模型列表。
```
/models
```

它的工作方式與 OpenCode 中的任何其他提供商一樣，並且完全可以選擇使用。

前往 Amazon Bedrock 控制台中的 Model catalog 並請求訪問您想要的模型。

您需要能夠在 Amazon Bedrock 中訪問所需的模型。
使用以下方法之一配置身份驗證：

環境變量（快速啟動）

運行 opencode 時設置以下環境變量之一：
Terminal window
```
# Option 1: Using AWS access keys
AWS_ACCESS_KEY_ID=XXX AWS_SECRET_ACCESS_KEY=YYY opencode

# Option 2: Using named AWS profile
AWS_PROFILE=my-profile opencode

# Option 3: Using Bedrock bearer token
AWS_BEARER_TOKEN_BEDROCK=XXX opencode
```
或者將它們添加到您的 bash 配置文件中：
~/.bash_profile
```
export AWS_PROFILE=my-dev-profile
export AWS_REGION=us-east-1
```
配置文件（推薦）

對於特定於項目或持久的配置，請使用 opencode.json：
opencode.json
```
{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "amazon-bedrock": {
      "options": {
        "region": "us-east-1",
        "profile": "my-aws-profile"
      }
    }
  }
}
```
可用選項：
- region - AWS 區域（例如 us-east-1、eu-west-1）
- profile - 來自 ~/.aws/credentials 的 AWS 命名配置文件
- endpoint - 用於 VPC 端點的自定義端點 URL（通用 baseURL 選項的別名）
配置文件選項優先於環境變量。

高級：VPC 端點

如果您使用 Bedrock 的 VPC 端點：
opencode.json
```
{
  "$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"
      }
    }
  }
}
```
endpoint 選項是通用 baseURL 選項的別名，使用 AWS 特定術語。如果同時指定 endpoint 和 baseURL，則 endpoint 優先。

認證方式
- AWS_ACCESS_KEY_ID / AWS_SECRET_ACCESS_KEY：創建 IAM 用戶並在 AWS Console 中生成訪問密鑰
- AWS_PROFILE：使用 ~/.aws/credentials 中的命名配置文件。首先配置 aws configure --profile my-profile 或 aws sso login
- AWS_BEARER_TOKEN_BEDROCK：從 Amazon Bedrock 控制台生成長期 API 密鑰
- AWS_WEB_IDENTITY_TOKEN_FILE / AWS_ROLE_ARN：適用於 EKS IRSA（服務帳戶的 IAM 角色）或具有 OIDC 聯合的其他 Kubernetes 環境。使用服務帳戶註釋時，這些環境變量由 Kubernetes 自動注入。
認證優先級

Amazon Bedrock 使用以下身份驗證優先級：
1. Bearer Token - AWS_BEARER_TOKEN_BEDROCK 環境變量或來自 /connect 命令的令牌
2. AWS Credential Chain - 配置文件、訪問密鑰、共享憑證、IAM 角色、Web 身份令牌 (EKS IRSA)、實例元數據
當設置 Bearer Token 時（通過 /connect 或 AWS_BEARER_TOKEN_BEDROCK），它優先於所有 AWS 憑證方法（包括配置的配置文件）。
運行 /models 命令選擇所需的模型。
```
/models
```

對於自定義推理配置文件，請在鍵中使用模型和提供商名稱，並將 id 屬性設置為 arn。這確保了正確的緩存：

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "amazon-bedrock": {
      // ...
      "models": {
        "anthropic-claude-sonnet-4.5": {
          "id": "arn:aws:bedrock:us-east-1:xxx:application-inference-profile/yyy"
        }
      }
    }
  }
}

Anthropic

註冊後，運行 /connect 命令並選擇 Anthropic。
```
/connect
```
在這裡您可以選擇 Claude Pro/Max 選項，它將打開您的瀏覽器並要求您進行身份驗證。
```
┌ Select auth method
│
│ Claude Pro/Max
│ Create an API Key
│ Manually enter API Key
└
```
現在，當您使用 /models 命令時，所有 Anthropic 模型都應該可用。
```
/models
```

Anthropic 不正式支持在 OpenCode 中使用您的 Claude Pro/Max 訂閱。

使用 API 密鑰

如果您沒有 Pro/Max 訂閱，您還可以選擇 Create an API Key。它還會打開您的瀏覽器並要求您登錄 Anthropic 並為您提供一個可以粘貼到終端機中的代碼。

或者，如果您已有 API 密鑰，則可以選擇 Manually enter API Key 並將其粘貼到您的終端機中。

Azure OpenAI

轉到 Azure portal 並創建 Azure OpenAI 資源。您需要：
- Resource name：這將成為您的 API 端點 (https://RESOURCE_NAME.openai.azure.com/) 的一部分
- API key：來自您的資源的 KEY 1 或 KEY 2
轉到 Azure AI Foundry 並部署模型。

部署名稱必須與模型名稱匹配，OpenCode 才能正常工作。
運行 /connect 命令並搜尋 Azure。
```
/connect
```
輸入您的 API 密鑰。
```
┌ API key
│
│
└ enter
```
將您的資源名稱設置為環境變量：
Terminal window
```
AZURE_RESOURCE_NAME=XXX opencode
```
或者將其添加到您的 bash 配置文件中：
~/.bash_profile
```
export AZURE_RESOURCE_NAME=XXX
```
運行 /models 命令以選擇您部署的模型。
```
/models
```

Azure Cognitive Services

轉到 Azure portal 並創建 Azure OpenAI 資源。您需要：
- Resource name：這將成為您的 API 端點 (https://AZURE_COGNITIVE_SERVICES_RESOURCE_NAME.cognitiveservices.azure.com/) 的一部分
- API key：來自您的資源的 KEY 1 或 KEY 2
轉到 Azure AI Foundry 並部署模型。

部署名稱必須與模型名稱匹配，OpenCode 才能正常工作。
運行 /connect 命令並搜尋 Azure Cognitive Services。
```
/connect
```
輸入您的 API 密鑰。
```
┌ API key
│
│
└ enter
```
將您的資源名稱設置為環境變量：
Terminal window
```
AZURE_COGNITIVE_SERVICES_RESOURCE_NAME=XXX opencode
```
或者將其添加到您的 bash 配置文件中：
~/.bash_profile
```
export AZURE_COGNITIVE_SERVICES_RESOURCE_NAME=XXX
```
運行 /models 命令以選擇您部署的模型。
```
/models
```

Baseten

前往 Baseten，創建一個帳戶並生成一個 API 密鑰。
運行 /connect 命令並搜尋 Baseten。
```
/connect
```
輸入您的 Baseten API 密鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 命令選擇模型。
```
/models
```

Cerebras

前往 Cerebras console，創建一個帳戶並生成一個 API 密鑰。
運行 /connect 命令並搜尋 Cerebras。
```
/connect
```
輸入您的 Cerebras API 密鑰。
```
┌ API key
│
│
└ enter
```
運行 /models 命令選擇模型，如 Qwen 3 Coder 480B。
```
/models
```

Cloudflare AI Gateway

Cloudflare AI Gateway 讓您可以通過統一端點訪問來自 OpenAI、Anthropic、Workers AI 等的模型。使用 Unified Billing，您不需要為每個提供商提供單獨的 API 密鑰。

前往 Cloudflare dashboard，導航至 AI > AI Gateway，然後創建一個新網關。

將您的 Account ID 和 Gateway ID 設置為環境變量。

export CLOUDFLARE_ACCOUNT_ID=your-32-character-account-id
export CLOUDFLARE_GATEWAY_ID=your-gateway-id

運行 /connect 命令並搜尋 Cloudflare AI Gateway。
```
/connect
```
輸入您的 Cloudflare API 令牌。
```
┌ API key
│
│
└ enter
```
或者將其設置為環境變量。
~/.bash_profile
```
export CLOUDFLARE_API_TOKEN=your-api-token
```

執行 /models 命令選擇模型。

/models

您還可以通過 OpenCode 配置添加模型。

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

Cortecs

前往 Cortecs console，創建一個帳戶並生成一個 API 密鑰。
運行 /connect 命令並搜尋 Cortecs。
```
/connect
```
輸入您的 Cortecs API 密鑰。
```
┌ API key
│
│
└ enter
```
運行 /models 命令選擇一個模型，如 Kimi K2 Instruct。
```
/models
```

DeepSeek

前往 DeepSeek console，創建一個帳戶，然後單擊 Create new API key。
運行 /connect 命令並搜尋 DeepSeek。
```
/connect
```
輸入您的 DeepSeek API 密鑰。
```
┌ API key
│
│
└ enter
```
運行 /models 命令以選擇 DeepSeek 模型，例如 DeepSeek Reasoner。
```
/models
```

Deep Infra

前往 Deep Infra dashboard，創建一個帳戶並生成一個 API 密鑰。
運行 /connect 命令並搜尋 Deep Infra。
```
/connect
```
輸入您的 Deep Infra API 密鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 命令選擇模型。
```
/models
```

Firmware

前往 Firmware dashboard，創建一個帳戶並生成一個 API 密鑰。
運行 /connect 命令並搜尋 Firmware。
```
/connect
```
輸入您的 Firmware API 密鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 命令選擇模型。
```
/models
```

Fireworks AI

前往 Fireworks AI console，創建一個帳戶，然後單擊 Create API Key。
運行 /connect 命令並搜尋 Fireworks AI。
```
/connect
```
輸入您的 Fireworks AI API 密鑰。
```
┌ API key
│
│
└ enter
```
運行 /models 命令選擇一個模型，如 Kimi K2 Instruct。
```
/models
```

GitLab Duo

GitLab Duo 通過 GitLab 的 Anthropic 代理提供具有本機工具調用功能的 AI 驅動的代理聊天。

運行 /connect 命令並選擇 GitLab。
```
/connect
```
選擇您的身份驗證方法：
```
┌ Select auth method
│
│ OAuth (Recommended)
│ Personal Access Token
└
```
使用 OAuth（推薦）

選擇 OAuth，您的瀏覽器將打開以進行授權。

使用 Personal Access Token
1. 前往 GitLab User Settings > Access Tokens
2. 單擊 Add new token
3. Name：OpenCode，Scopes：api
4. 複製令牌（以 glpat- 開頭）
5. 在終端機中輸入它
運行 /models 命令以查看可用模型。
```
/models
```
提供三種基於 Claude 的模型：
- duo-chat-haiku-4-5（Default）- 快速任務的快速響應
- duo-chat-sonnet-4-5 - 大多數工作流程的平衡性能
- duo-chat-opus-4-5 - 最有能力進行複雜分析

Self-Hosted GitLab

OpenCode 使用小型模型來執行某些 AI 任務，例如生成會話標題。默認情況下，它配置為使用 gpt-5-nano，由 Zen 託管。若要鎖定 OpenCode 僅使用您自己的 GitLab 託管實例，請將以下內容添加到您的 opencode.json 文件。還建議禁用會話共享。

{
  "$schema": "https://opencode.ai/config.json",
  "small_model": "gitlab/duo-chat-haiku-4-5",
  "share": "disabled"
}

對於自託管的 GitLab 實例：

export GITLAB_INSTANCE_URL=https://gitlab.company.com
export GITLAB_TOKEN=glpat-...

如果您的實例運行自定義 AI 網關：

GITLAB_AI_GATEWAY_URL=https://ai-gateway.company.com

或者添加到您的 bash 配置文件中：

export GITLAB_INSTANCE_URL=https://gitlab.company.com
export GITLAB_AI_GATEWAY_URL=https://ai-gateway.company.com
export GITLAB_TOKEN=glpat-...

OAuth for Self-Hosted instances

為了使 OAuth 適用於您的自託管實例，您需要創建一個新的應用程式（Settings → Applications），使用回調 URL http://127.0.0.1:8080/callback 和以下範圍：

api（代表您訪問 API）
read_user（讀取您的個人信息）
read_repository（允許對存儲庫進行只讀訪問）

然後將應用程式 ID 公開為環境變量：

export GITLAB_OAUTH_CLIENT_ID=your_application_id_here

更多文檔請參見 opencode-gitlab-auth 主頁。

Configuration

通過 opencode.json 定制：

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "gitlab": {
      "options": {
        "instanceUrl": "https://gitlab.com",
        "featureFlags": {
          "duo_agent_platform_agentic_chat": true,
          "duo_agent_platform": true
        }
      }
    }
  }
}

GitLab API Tools（可選，但強烈推薦）

要訪問 GitLab 工具（merge requests、issues、pipelines、CI/CD 等）：

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

該插件提供全面的 GitLab 存儲庫管理功能，包括 MR 審查、問題跟踪、管道監控等。

GitHub Copilot

要將 GitHub Copilot 訂閱與 OpenCode 結合使用：

運行 /connect 命令並搜尋 GitHub Copilot。
```
/connect
```

導航至 github.com/login/device 並輸入代碼。

┌ Login with GitHub Copilot
│
│ https://github.com/login/device
│
│ Enter code: 8F43-6FCF
│
└ Waiting for authorization...

現在運行 /models 命令來選擇您想要的模型。
```
/models
```

Google Vertex AI

要將 Google Vertex AI 與 OpenCode 結合使用：

前往 Google Cloud Console 中的 Model Garden 並檢查您所在地區提供的模型。

您需要有一個啟用了 Vertex AI API 的 Google Cloud 項目。
設置所需的環境變量：
- GOOGLE_CLOUD_PROJECT：您的 Google Cloud 項目 ID
- VERTEX_LOCATION（可選）：Vertex AI 的區域（默認為 global）
- 身份驗證（選擇一項）：
  - GOOGLE_APPLICATION_CREDENTIALS：Path to your service account JSON key file
  - Authenticate using gcloud CLI: gcloud auth application-default login
在運行 opencode 時設置它們。
Terminal window
```
GOOGLE_APPLICATION_CREDENTIALS=/path/to/service-account.json GOOGLE_CLOUD_PROJECT=your-project-id opencode
```
或者將它們添加到您的 bash 配置文件中。
~/.bash_profile
```
export GOOGLE_APPLICATION_CREDENTIALS=/path/to/service-account.json
export GOOGLE_CLOUD_PROJECT=your-project-id
export VERTEX_LOCATION=global
```

運行 /models 命令選擇所需的模型。
```
/models
```

Groq

前往 Groq console，單擊 Create API Key，然後複製密鑰。
運行 /connect 命令並搜尋 Groq。
```
/connect
```
輸入提供商的 API 密鑰。
```
┌ API key
│
│
└ enter
```
運行 /models 命令選擇您想要的。
```
/models
```

Hugging Face

Hugging Face Inference Providers 提供對超過 17 個提供商支持的開放模型的訪問。

前往 Hugging Face settings 創建一個具有調用 Inference Providers 權限的令牌。
運行 /connect 命令並搜尋 Hugging Face。
```
/connect
```
輸入您的 Hugging Face 令牌。
```
┌ API key
│
│
└ enter
```
運行 /models 命令來選擇模型，如 Kimi-K2-Instruct 或 GLM-4.6。
```
/models
```

Helicone

Helicone 是一個 LLM 可觀察性平台，可為您的 AI 應用程式提供日誌記錄、監控和分析。 The Helicone AI Gateway 根據模型自動將您的請求路由到適當的提供商。

前往 Helicone，創建一個帳戶，並從您的儀表板生成 API 密鑰。
運行 /connect 命令並搜尋 Helicone。
```
/connect
```
輸入您的 Helicone API 密鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 命令選擇模型。
```
/models
```

有關更多提供商和高級功能（例如緩存和速率限制），請查看 Helicone documentation。

Optional Configs

如果您發現 Helicone 的功能或模型未通過 OpenCode 自動配置，您始終可以自行配置。

這是 Helicone’s Model Directory，您將需要它來獲取要添加的模型的 ID。

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "helicone": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "Helicone",
      "options": {
        "baseURL": "https://ai-gateway.helicone.ai",
      },
      "models": {
        "gpt-4o": {
          // Model ID (from Helicone's model directory page)
          "name": "GPT-4o", // Your own custom name for the model
        },
        "claude-sonnet-4-20250514": {
          "name": "Claude Sonnet 4",
        },
      },
    },
  },
}

Custom Headers

Helicone 支持緩存、用戶跟踪和會話管理等功能的自定義標頭。使用 options.headers 將它們添加到您的提供商配置中：

{
  "$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",
        },
      },
    },
  },
}

Session tracking

Helicone 的 Sessions 功能可讓您將相關的 LLM 請求分組在一起。使用 opencode-helicone-session 插件自動將每個 OpenCode 對話記錄為 Helicone 中的會話。

npm install -g opencode-helicone-session

將其添加到您的配置中。

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

該插件將 Helicone-Session-Id 和 Helicone-Session-Name 標頭注入您的請求中。在 Helicone 的 Sessions 頁面中，您將看到每個 OpenCode 對話都列為單獨的會話。

Common Helicone headers

Header	Description
`Helicone-Cache-Enabled`	啟用響應緩存 (`true`/`false`)
`Helicone-User-Id`	按用戶跟踪指標
`Helicone-Property-[Name]`	添加自定義屬性（例如 `Helicone-Property-Environment`）
`Helicone-Prompt-Id`	將請求與提示版本相關聯

有關所有可用標頭，請參閱 Helicone Header Directory。

llama.cpp

您可以通過 llama.cpp’s llama-server 實用程序配置 OpenCode 以使用本地模型

{
  "$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
          }
        }
      }
    }
  }
}

在這個例子中：

llama.cpp 是自定義提供商 ID。這可以是您想要的任何字符串。
npm 指定用於此提供商的包。這裡，@ai-sdk/openai-compatible 用於任何 OpenAI 兼容的 API。
name 是 UI 中提供商的顯示名稱。
options.baseURL 是本地服務器的端點。
models 是模型 ID 與其配置的映射。模型名稱將顯示在模型選擇列表中。

IO.NET

IO.NET 提供了 17 種針對各種用例進行優化的模型：

前往 IO.NET console，創建一個帳戶並生成一個 API 密鑰。
運行 /connect 命令並搜尋 IO.NET。
```
/connect
```
輸入您的 IO.NET API 密鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 命令選擇模型。
```
/models
```

LM Studio

您可以通過 LM Studio 配置 OpenCode 以使用本地模型。

{
  "$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)"
        }
      }
    }
  }
}

在這個例子中：

lmstudio 是自定義提供商 ID。這可以是您想要的任何字符串。
npm 指定用於此提供商的包。這裡，@ai-sdk/openai-compatible 用於任何 OpenAI 兼容的 API。
name 是 UI 中提供商的顯示名稱。
options.baseURL 是本地服務器的端點。
models 是模型 ID 與其配置的映射。模型名稱將顯示在模型選擇列表中。

Moonshot AI

要使用 Moonshot AI 中的 Kimi K2：

前往 Moonshot AI console，創建一個帳戶，然後單擊 Create API key。
運行 /connect 命令並搜尋 Moonshot AI。
```
/connect
```
輸入您的 Moonshot API 密鑰。
```
┌ API key
│
│
└ enter
```
運行 /models 命令選擇 Kimi K2。
```
/models
```

MiniMax

前往 MiniMax API Console，創建一個帳戶並生成一個 API 密鑰。
運行 /connect 命令並搜尋 MiniMax。
```
/connect
```
輸入您的 MiniMax API 密鑰。
```
┌ API key
│
│
└ enter
```
運行 /models 命令選擇模型，如 M2.1。
```
/models
```

Nebius Token Factory

前往 Nebius Token Factory console，創建一個帳戶，然後單擊 Add Key。
運行 /connect 命令並搜尋 Nebius Token Factory。
```
/connect
```
輸入您的 Nebius Token Factory API 密鑰。
```
┌ API key
│
│
└ enter
```
運行 /models 命令選擇一個模型，如 Kimi K2 Instruct。
```
/models
```

Ollama

您可以通過 Ollama 配置 OpenCode 以使用本地模型。

{
  "$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"
        }
      }
    }
  }
}

在這個例子中：

ollama 是自定義提供商 ID。這可以是您想要的任何字符串。
npm 指定用於此提供商的包。這裡，@ai-sdk/openai-compatible 用於任何 OpenAI 兼容的 API。
name 是 UI 中提供商的顯示名稱。
options.baseURL 是本地服務器的端點。
models 是模型 ID 與其配置的映射。模型名稱將顯示在模型選擇列表中。

Ollama Cloud

要將 Ollama Cloud 與 OpenCode 結合使用：

前往 https://ollama.com/ 並登錄或創建帳戶。
導航到 Settings > Keys，然後單擊 Add API Key 以生成新的 API 密鑰。
複製 API 密鑰以在 OpenCode 中使用。
運行 /connect 命令並搜尋 Ollama Cloud。
```
/connect
```
輸入您的 Ollama Cloud API 密鑰。
```
┌ API key
│
│
└ enter
```
Important：在 OpenCode 中使用雲模型之前，您必須將模型信息拉取到本地：
Terminal window
```
ollama pull gpt-oss:20b-cloud
```
運行 /models 命令以選擇您的 Ollama Cloud 模型。
```
/models
```

OpenAI

我們建議註冊 ChatGPT Plus or Pro。

註冊後，運行 /connect 命令並選擇 OpenAI。
```
/connect
```
在這裡您可以選擇 ChatGPT Plus/Pro 選項，它將打開您的瀏覽器並要求您進行身份驗證。
```
┌ Select auth method
│
│ ChatGPT Plus/Pro
│ Manually enter API Key
└
```
現在，當您使用 /models 命令時，所有 OpenAI 模型都應該可用。
```
/models
```

使用 API 密鑰

如果您已有 API 密鑰，可以選擇 Manually enter API Key 並將其粘貼到您的終端機中。

OpenCode Zen

OpenCode Zen 是 OpenCode 團隊提供的經過測試和驗證的模型列表。了解更多。

登錄 OpenCode Zen 並單擊 Create API Key。
運行 /connect 命令並搜尋 OpenCode Zen。
```
/connect
```
輸入您的 OpenCode API 密鑰。
```
┌ API key
│
│
└ enter
```
運行 /models 命令選擇模型，如 Qwen 3 Coder 480B。
```
/models
```

OpenRouter

前往 OpenRouter dashboard，單擊 Create API Key，然後複製密鑰。
運行 /connect 命令並搜尋 OpenRouter。
```
/connect
```
輸入提供商的 API 密鑰。
```
┌ API key
│
│
└ enter
```

許多 OpenRouter 模型是默認預加載的，運行 /models 命令選擇您想要的模型。

/models

您還可以通過 OpenCode 配置添加其他模型。

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

您還可以通過 OpenCode 配置自定義它們。這是指定提供商的示例

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

SAP AI Core

SAP AI Core 通過統一平台提供對 OpenAI、Anthropic、Google、Amazon、Meta、Mistral 和 AI21 的 40 多個模型的訪問。

轉到您的 SAP BTP Cockpit，導航到您的 SAP AI Core 服務實例，然後創建一個服務密鑰。

服務密鑰是一個包含 clientid、clientsecret、url 和 serviceurls.AI_API_URL 的 JSON 對象。您可以在 BTP Cockpit 的 Services > Instances and Subscriptions 下找到您的 AI Core 實例。
運行 /connect 命令並搜尋 SAP AI Core。
```
/connect
```

輸入您的服務密鑰 JSON。

┌ Service key
│
│
└ enter

或者設置 AICORE_SERVICE_KEY 環境變量：

AICORE_SERVICE_KEY='{"clientid":"...","clientsecret":"...","url":"...","serviceurls":{"AI_API_URL":"..."}}' opencode

或者將其添加到您的 bash 配置文件中：

export AICORE_SERVICE_KEY='{"clientid":"...","clientsecret":"...","url":"...","serviceurls":{"AI_API_URL":"..."}}'

（可選）設置部署 ID 和資源組：
Terminal window
```
AICORE_DEPLOYMENT_ID=your-deployment-id AICORE_RESOURCE_GROUP=your-resource-group opencode
```
這些設置是可選的，應根據您的 SAP AI Core 設置進行配置。
運行 /models 命令從 40 多個可用模型中進行選擇。
```
/models
```

OVHcloud AI Endpoints

前往 OVHcloud panel。導航到 Public Cloud 部分，AI & Machine Learning > AI Endpoints，然後在 API Keys 選項卡中單擊 Create a new API key。
運行 /connect 命令並搜尋 OVHcloud AI Endpoints。
```
/connect
```
輸入您的 OVHcloud AI Endpoints API 密鑰。
```
┌ API key
│
│
└ enter
```
運行 /models 命令選擇模型，如 gpt-oss-120b。
```
/models
```

Scaleway

要將 Scaleway Generative APIs 與 OpenCode 一起使用：

前往 Scaleway Console IAM settings 生成新的 API 密鑰。
運行 /connect 命令並搜尋 Scaleway。
```
/connect
```
輸入您的 Scaleway API 密鑰。
```
┌ API key
│
│
└ enter
```
運行 /models 命令選擇模型，如 devstral-2-123b-instruct-2512 或 gpt-oss-120b。
```
/models
```

Together AI

前往 Together AI console，創建一個帳戶，然後單擊 Add Key。
運行 /connect 命令並搜尋 Together AI。
```
/connect
```
輸入您的 Together AI API 密鑰。
```
┌ API key
│
│
└ enter
```
運行 /models 命令選擇一個模型，如 Kimi K2 Instruct。
```
/models
```

Venice AI

前往 Venice AI console，創建一個帳戶並生成一個 API 密鑰。
運行 /connect 命令並搜尋 Venice AI。
```
/connect
```
輸入您的 Venice AI API 密鑰。
```
┌ API key
│
│
└ enter
```
運行 /models 命令選擇模型，如 Llama 3.3 70B。
```
/models
```

Vercel AI Gateway

Vercel AI Gateway 可讓您通過統一端點訪問來自 OpenAI、Anthropic、Google、xAI 等的模型。模型按標價提供，不加價。

前往 Vercel dashboard，導航至 AI Gateway 選項卡，然後單擊 API keys 以創建新的 API 密鑰。
運行 /connect 命令並搜尋 Vercel AI Gateway。
```
/connect
```
輸入您的 Vercel AI Gateway API 密鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 命令選擇模型。
```
/models
```

您還可以通過 OpenCode 配置自定義模型。以下是指定提供者路由順序的示例。

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "vercel": {
      "models": {
        "anthropic/claude-sonnet-4": {
          "options": {
            "order": ["anthropic", "vertex"]
          }
        }
      }
    }
  }
}

一些有用的路由選項：

Option	Description
`order`	Provider sequence to try
`only`	Restrict to specific providers
`zeroDataRetention`	Only use providers with zero data retention policies

xAI

前往 xAI console，創建一個帳戶並生成一個 API 密鑰。
運行 /connect 命令並搜尋 xAI。
```
/connect
```
輸入您的 xAI API 密鑰。
```
┌ API key
│
│
└ enter
```
運行 /models 命令選擇一個模型，如 Grok Beta。
```
/models
```

Z.AI

前往 Z.AI API console，創建一個帳戶，然後單擊 Create a new API key。
運行 /connect 命令並搜尋 Z.AI。
```
/connect
```
如果您訂閱了 GLM Coding Plan，請選擇 Z.AI Coding Plan。
輸入您的 Z.AI API 密鑰。
```
┌ API key
│
│
└ enter
```
運行 /models 命令選擇 GLM-4.7 等模型。
```
/models
```

ZenMux

前往 ZenMux dashboard，單擊 Create API Key，然後複製密鑰。
運行 /connect 命令並搜尋 ZenMux。
```
/connect
```
輸入提供商的 API 密鑰。
```
┌ API key
│
│
└ enter
```

默認情況下預加載了許多 ZenMux 模型，運行 /models 命令選擇您想要的模型。

/models

您還可以通過 OpenCode 配置添加其他模型。

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

Custom provider

要添加 /connect 命令中未列出的任何 OpenAI-compatible 提供商：

運行 /connect 命令並向下滾動到 Other。

$ /connect

┌  Add credential
│
◆  Select provider
│  ...
│  ● Other
└

輸入提供商的唯一 ID。
Terminal window
```
$ /connect

┌  Add credential
│
◇  Enter provider id
│  myprovider
└
```
選擇一個容易記住的 ID，您將在配置文件中使用它。

輸入提供商的 API 密鑰。

$ /connect

┌  Add credential
│
▲  This only stores a credential for myprovider - you will need to configure it in opencode.json, check the docs for examples.
│
◇  Enter your API key
│  sk-...
└

在項目目錄中創建或更新 opencode.json 文件：
opencode.json
```
{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "myprovider": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "My AI ProviderDisplay Name",
      "options": {
        "baseURL": "https://api.myprovider.com/v1"
      },
      "models": {
        "my-model-name": {
          "name": "My Model Display Name"
        }
      }
    }
  }
}
```
以下是配置選項：
- npm：要使用的 AI SDK 包，@ai-sdk/openai-compatible 用於 OpenAI 兼容提供商
- name：UI 中的顯示名稱。
- models：可用模型。
- options.baseURL：API 端點 URL。
- options.apiKey：如果不使用身份驗證，可以選擇設置 API 密鑰。
- options.headers：可選擇設置自定義標頭。
有關高級選項的更多信息，請參見下面的示例。
運行 /models 命令，您的自定義提供商和模型將出現在選擇列表中。

Example

以下是設置 apiKey、headers 和模型 limit 選項的示例。

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "myprovider": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "My AI ProviderDisplay Name",
      "options": {
        "baseURL": "https://api.myprovider.com/v1",
        "apiKey": "{env:ANTHROPIC_API_KEY}",
        "headers": {
          "Authorization": "Bearer custom-token"
        }
      },
      "models": {
        "my-model-name": {
          "name": "My Model Display Name",
          "limit": {
            "context": 200000,
            "output": 65536
          }
        }
      }
    }
  }
}

配置詳情：

apiKey：使用 env 變量語法了解更多設置。
headers：隨每個請求發送的自定義標頭。
limit.context：模型接受的最大輸入標記。
limit.output：模型可以生成的最大令牌。

limit 字段允許 OpenCode 了解您還剩下多少上下文。標準提供商會自動從 models.dev 中提取這些內容。

Troubleshooting

如果您在配置提供商時遇到問題，請檢查以下內容：

Check the auth setup：運行 opencode auth list 以查看憑據是否提供商的配置已添加到您的配置中。

這不適用於 Amazon Bedrock 等依賴環境變量進行身份驗證的提供商。
對於自定義提供商，請檢查 OpenCode 配置並：
- 確保 /connect 命令中使用的提供商 ID 與 OpenCode 配置中的 ID 匹配。
- 正確的 npm 包用於提供商。例如，對 Cerebras 使用 @ai-sdk/cerebras。對於所有其他 OpenAI 兼容提供商，請使用 @ai-sdk/openai-compatible。
- 檢查 options.baseURL 字段中使用了正確的 API 端點。