提供商

在 OpenCode 中使用任意 LLM 提供商。

OpenCode 使用 AI SDK 和 Models.dev，支援 75+ LLM 提供商，同時也支援執行本地模型。

要新增提供商，您需要：

使用 /connect 指令新增提供商的 API 金鑰。
在 OpenCode 設定中設定該提供商。

憑證

使用 /connect 指令新增提供商的 API 金鑰後，憑證會儲存在 ~/.local/share/opencode/auth.json 中。

設定

您可以透過 OpenCode 設定中的 provider 部分來自訂提供商。

自訂 Base URL

您可以透過設定 baseURL 選項來自訂任何提供商的 Base URL。這在使用代理服務或自訂端點時非常有用。

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

OpenCode Zen

OpenCode Zen 是由 OpenCode 團隊提供的模型列表，這些模型已經過測試和驗證，能夠與 OpenCode 良好配合使用。了解更多。

在 TUI 中執行 /connect 指令，選擇 OpenCode Zen，然後前往 opencode.ai/auth。
```
/connect
```
登入後新增帳單資訊，然後複製您的 API 金鑰。
貼上您的 API 金鑰。
```
┌ API key
│
│
└ enter
```
在 TUI 中執行 /models 查看我們推薦的模型列表。
```
/models
```

它的使用方式與 OpenCode 中的其他提供商完全相同，且完全可選。

OpenCode Go

OpenCode Go 是一個低成本的訂閱計畫，提供對 OpenCode 團隊提供的流行開放編碼模型的可靠存取，這些模型已經過測試和驗證，能夠與 OpenCode 良好配合使用。

在 TUI 中執行 /connect 指令，選擇 OpenCode Go，然後前往 opencode.ai/auth。
```
/connect
```
登入後新增帳單資訊，然後複製您的 API 金鑰。
貼上您的 API 金鑰。
```
┌ API key
│
│
└ enter
```
在 TUI 中執行 /models 查看我們推薦的模型列表。
```
/models
```

它的使用方式與 OpenCode 中的任何其他提供商相同，且完全可選。

前往 Amazon Bedrock 控制台中的模型目錄，申請存取您想要使用的模型。

您需要先在 Amazon Bedrock 中取得對目標模型的存取權限。
使用以下方法之一設定身分驗證：

環境變數（快速上手）

執行 opencode 時設定以下環境變數之一：
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
```
或者將它們新增到您的 bash 設定檔中：
~/.bash_profile
```
export AWS_PROFILE=my-dev-profile
export AWS_REGION=us-east-1
```
設定檔（推薦）

如需專案級別或持久化的設定，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 - ~/.aws/credentials 中的 AWS 命名設定檔
- endpoint - VPC 端點的自訂端點 URL（通用 baseURL 選項的別名）
設定檔中的選項優先順序高於環境變數。

進階：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，使用了 AWS 特有的術語。如果同時指定了 endpoint 和 baseURL，則 endpoint 優先。

認證方式
- AWS_ACCESS_KEY_ID / AWS_SECRET_ACCESS_KEY：在 AWS 控制台中建立 IAM 使用者並產生存取金鑰
- AWS_PROFILE：使用 ~/.aws/credentials 中的命名設定檔。需要先透過 aws configure --profile my-profile 或 aws sso login 進行設定
- AWS_BEARER_TOKEN_BEDROCK：從 Amazon Bedrock 控制台產生長期 API 金鑰
- AWS_WEB_IDENTITY_TOKEN_FILE / AWS_ROLE_ARN：適用於 EKS IRSA（服務帳號的 IAM 角色）或其他支援 OIDC 聯合的 Kubernetes 環境。使用服務帳號註解時，Kubernetes 會自動注入這些環境變數。
認證優先順序

Amazon Bedrock 使用以下認證優先順序：
1. Bearer Token - AWS_BEARER_TOKEN_BEDROCK 環境變數或透過 /connect 指令取得的 Token
2. AWS 憑證鏈 - 設定檔、存取金鑰、共享憑證、IAM 角色、Web Identity Token（EKS IRSA）、執行個體中繼資料
當設定了 Bearer Token（透過 /connect 或 AWS_BEARER_TOKEN_BEDROCK）時，它的優先順序高於所有 AWS 憑證方式，包括已設定的設定檔。
執行 /models 指令選擇您想要的模型。
```
/models
```

對於自訂推理設定檔，請在 key 中使用模型名稱和提供商名稱，並將 id 屬性設定為 ARN。這可以確保正確的快取行為：

{
  "$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

註冊完成後，執行 /connect 指令並選擇 Anthropic。
```
/connect
```
您可以選擇 Claude Pro/Max 選項，瀏覽器會自動開啟並要求您進行身分驗證。
```
┌ Select auth method
│
│ Claude Pro/Max
│ Create an API Key
│ Manually enter API Key
└
```
現在使用 /models 指令即可看到所有 Anthropic 模型。
```
/models
```

在 OpenCode 中使用 Claude Pro/Max 訂閱不是 Anthropic 官方支援的用法。

使用 API 金鑰

如果您沒有 Pro/Max 訂閱，也可以選擇 Create an API Key。瀏覽器會自動開啟並要求您登入 Anthropic，然後會提供一個代碼供您貼上到終端機中。

如果您已經有 API 金鑰，可以選擇 Manually enter API Key 並將其貼上到終端機中。

Azure OpenAI

前往 Azure 入口網站並建立 Azure OpenAI 資源。您需要：
- 資源名稱：這會成為您的 API 端點的一部分（https://RESOURCE_NAME.openai.azure.com/）
- API 金鑰：資源中的 KEY 1 或 KEY 2
前往 Azure AI Foundry 並部署一個模型。

部署名稱必須與模型名稱一致，OpenCode 才能正常運作。
執行 /connect 指令並搜尋 Azure。
```
/connect
```
輸入您的 API 金鑰。
```
┌ API key
│
│
└ enter
```
將資源名稱設定為環境變數：
Terminal window
```
AZURE_RESOURCE_NAME=XXX opencode
```
或者新增到您的 bash 設定檔中：
~/.bash_profile
```
export AZURE_RESOURCE_NAME=XXX
```
執行 /models 指令選擇您已部署的模型。
```
/models
```

Azure Cognitive Services

前往 Azure 入口網站並建立 Azure OpenAI 資源。您需要：
- 資源名稱：這會成為您的 API 端點的一部分（https://AZURE_COGNITIVE_SERVICES_RESOURCE_NAME.cognitiveservices.azure.com/）
- API 金鑰：資源中的 KEY 1 或 KEY 2
前往 Azure AI Foundry 並部署一個模型。

部署名稱必須與模型名稱一致，OpenCode 才能正常運作。
執行 /connect 指令並搜尋 Azure Cognitive Services。
```
/connect
```
輸入您的 API 金鑰。
```
┌ API key
│
│
└ enter
```
將資源名稱設定為環境變數：
Terminal window
```
AZURE_COGNITIVE_SERVICES_RESOURCE_NAME=XXX opencode
```
或者新增到您的 bash 設定檔中：
~/.bash_profile
```
export AZURE_COGNITIVE_SERVICES_RESOURCE_NAME=XXX
```
執行 /models 指令選擇您已部署的模型。
```
/models
```

Baseten

前往 Baseten，建立帳號並產生 API 金鑰。
執行 /connect 指令並搜尋 Baseten。
```
/connect
```
輸入您的 Baseten API 金鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 指令選擇模型。
```
/models
```

Cerebras

前往 Cerebras 控制台，建立帳號並產生 API 金鑰。
執行 /connect 指令並搜尋 Cerebras。
```
/connect
```
輸入您的 Cerebras API 金鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 指令選擇模型，例如 Qwen 3 Coder 480B。
```
/models
```

Cloudflare AI Gateway

Cloudflare AI Gateway 允許您透過統一端點存取來自 OpenAI、Anthropic、Workers AI 等提供商的模型。透過 Unified Billing，您無需為每個提供商單獨準備 API 金鑰。

前往 Cloudflare 儀表板，導覽到 AI > AI Gateway，建立一個新的閘道。

將您的 Account ID 和 Gateway ID 設定為環境變數。

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

執行 /connect 指令並搜尋 Cloudflare AI Gateway。
```
/connect
```
輸入您的 Cloudflare API Token。
```
┌ API key
│
│
└ enter
```
或者將其設定為環境變數。
~/.bash_profile
```
export CLOUDFLARE_API_TOKEN=your-api-token
```

執行 /models 指令選擇模型。

/models

您也可以透過 OpenCode 設定新增模型。

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

Cortecs

前往 Cortecs 控制台，建立帳號並產生 API 金鑰。
執行 /connect 指令並搜尋 Cortecs。
```
/connect
```
輸入您的 Cortecs API 金鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 指令選擇模型，例如 Kimi K2 Instruct。
```
/models
```

DeepSeek

前往 DeepSeek 控制台，建立帳號並點擊 Create new API key。
執行 /connect 指令並搜尋 DeepSeek。
```
/connect
```
輸入您的 DeepSeek API 金鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 指令選擇 DeepSeek 模型，例如 DeepSeek Reasoner。
```
/models
```

Deep Infra

前往 Deep Infra 儀表板，建立帳號並產生 API 金鑰。
執行 /connect 指令並搜尋 Deep Infra。
```
/connect
```
輸入您的 Deep Infra API 金鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 指令選擇模型。
```
/models
```

Firmware

前往 Firmware 儀表板，建立帳號並產生 API 金鑰。
執行 /connect 指令並搜尋 Firmware。
```
/connect
```
輸入您的 Firmware API 金鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 指令選擇模型。
```
/models
```

Fireworks AI

前往 Fireworks AI 控制台，建立帳號並點擊 Create API Key。
執行 /connect 指令並搜尋 Fireworks AI。
```
/connect
```
輸入您的 Fireworks AI API 金鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 指令選擇模型，例如 Kimi K2 Instruct。
```
/models
```

GitLab Duo

GitLab Duo 透過 GitLab 的 Anthropic 代理提供具有原生工具呼叫能力的 AI 驅動代理聊天。

執行 /connect 指令並選擇 GitLab。
```
/connect
```
選擇您的身分驗證方式：
```
┌ Select auth method
│
│ OAuth (Recommended)
│ Personal Access Token
└
```
使用 OAuth（推薦）

選擇 OAuth，瀏覽器會自動開啟進行授權。

使用個人存取權杖
1. 前往 GitLab 使用者設定 > Access Tokens
2. 點擊 Add new token
3. 名稱填寫 OpenCode，範圍選擇 api
4. 複製權杖（以 glpat- 開頭）
5. 在終端機中輸入該權杖
執行 /models 指令查看可用模型。
```
/models
```
提供三個基於 Claude 的模型：
- duo-chat-haiku-4-5（預設）- 快速回應，適合簡單任務
- duo-chat-sonnet-4-5 - 效能均衡，適合大多數工作流程
- duo-chat-opus-4-5 - 最強大，適合複雜分析

自架 GitLab

OpenCode 會使用一個小模型來執行部分 AI 任務，例如產生工作階段標題。預設情況下使用由 Zen 託管的 gpt-5-nano。如果您需要讓 OpenCode 僅使用您自己的 GitLab 託管實例，請在 opencode.json 檔案中新增以下內容。同時建議停用工作階段分享。

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

對於自架 GitLab 實例：

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

如果您的實例執行了自訂 AI Gateway：

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

或者新增到您的 bash 設定檔中：

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

自架實例的 OAuth

要在自架實例上使用 OAuth，您需要建立一個新應用程式（設定 → 應用程式），回呼 URL 設定為 http://127.0.0.1:8080/callback，並選擇以下範圍：

api（代表您存取 API）
read_user（讀取您的個人資訊）
read_repository（允許對儲存庫進行唯讀存取）

然後將應用程式 ID 匯出為環境變數：

export GITLAB_OAUTH_CLIENT_ID=your_application_id_here

更多文件請參閱 opencode-gitlab-auth 首頁。

設定

透過 opencode.json 進行自訂設定：

{
  "$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 工具（可選，但強烈推薦）

要存取 GitLab 工具（合併請求、Issue、流水線、CI/CD 等）：

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

該外掛提供全面的 GitLab 儲存庫管理功能，包括 MR 審查、Issue 追蹤、流水線監控等。

GitHub Copilot

要在 OpenCode 中使用您的 GitHub Copilot 訂閱：

執行 /connect 指令並搜尋 GitHub Copilot。
```
/connect
```

前往 github.com/login/device 並輸入驗證碼。

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

現在執行 /models 指令選擇您想要的模型。
```
/models
```

Google Vertex AI

要在 OpenCode 中使用 Google Vertex AI：

前往 Google Cloud Console 中的模型花園，查看您所在區域可用的模型。

您需要一個啟用了 Vertex AI API 的 Google Cloud 專案。
設定所需的環境變數：
- GOOGLE_CLOUD_PROJECT：您的 Google Cloud 專案 ID
- VERTEX_LOCATION（可選）：Vertex AI 的區域（預設為 global）
- 身分驗證（選擇其一）：
  - GOOGLE_APPLICATION_CREDENTIALS：服務帳號 JSON 金鑰檔案的路徑
  - 使用 gcloud CLI 進行身分驗證：gcloud auth application-default login
在執行 opencode 時設定：
Terminal window
```
GOOGLE_APPLICATION_CREDENTIALS=/path/to/service-account.json GOOGLE_CLOUD_PROJECT=your-project-id opencode
```
或者新增到您的 bash 設定檔中：
~/.bash_profile
```
export GOOGLE_APPLICATION_CREDENTIALS=/path/to/service-account.json
export GOOGLE_CLOUD_PROJECT=your-project-id
export VERTEX_LOCATION=global
```

執行 /models 指令選擇您想要的模型。
```
/models
```

Groq

前往 Groq 控制台，點擊 Create API Key 並複製金鑰。
執行 /connect 指令並搜尋 Groq。
```
/connect
```
輸入該提供商的 API 金鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 指令選擇您想要的模型。
```
/models
```

Hugging Face

Hugging Face Inference Providers 提供對由 17+ 提供商支援的開放模型的存取。

前往 Hugging Face 設定，建立一個具有呼叫 Inference Providers 權限的權杖。
執行 /connect 指令並搜尋 Hugging Face。
```
/connect
```
輸入您的 Hugging Face 權杖。
```
┌ API key
│
│
└ enter
```
執行 /models 指令選擇模型，例如 Kimi-K2-Instruct 或 GLM-4.6。
```
/models
```

Helicone

Helicone 是一個 LLM 可觀測性平台，為您的 AI 應用程式提供日誌記錄、監控和分析功能。Helicone AI Gateway 會根據模型自動將請求路由到對應的提供商。

前往 Helicone，建立帳號並在儀表板中產生 API 金鑰。
執行 /connect 指令並搜尋 Helicone。
```
/connect
```
輸入您的 Helicone API 金鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 指令選擇模型。
```
/models
```

如需了解更多提供商以及快取、速率限制等進階功能，請查閱 Helicone 文件。

可選設定

如果 Helicone 的某些功能或模型未透過 OpenCode 自動設定，您隨時可以手動設定。

Helicone 模型目錄中可以找到您需要新增的模型 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",
        },
      },
    },
  },
}

自訂請求標頭

Helicone 支援用於快取、使用者追蹤和工作階段管理等功能的自訂請求標頭。使用 options.headers 將它們新增到提供商設定中：

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

工作階段追蹤

Helicone 的 Sessions 功能允許您將相關的 LLM 請求歸為一組。使用 opencode-helicone-session 外掛可以自動將每個 OpenCode 對話記錄為 Helicone 中的一個工作階段。

npm install -g opencode-helicone-session

將其新增到設定中。

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

該外掛會在您的請求中注入 Helicone-Session-Id 和 Helicone-Session-Name 請求標頭。在 Helicone 的 Sessions 頁面中，您可以看到每個 OpenCode 對話都作為獨立的工作階段列出。

常用 Helicone 請求標頭

請求標頭	描述
`Helicone-Cache-Enabled`	啟用回應快取（`true`/`false`）
`Helicone-User-Id`	按使用者追蹤指標
`Helicone-Property-[Name]`	新增自訂屬性（例如 `Helicone-Property-Environment`）
`Helicone-Prompt-Id`	將請求與提示詞版本關聯

有關所有可用請求標頭，請參閱 Helicone Header Directory。

llama.cpp

您可以透過 llama.cpp 的 llama-server 工具設定 OpenCode 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
          }
        }
      }
    }
  }
}

在這個範例中：

llama.cpp 是自訂的提供商 ID，可以是任意字串。
npm 指定該提供商使用的套件。這裡使用 @ai-sdk/openai-compatible 來相容任何 OpenAI 相容的 API。
name 是該提供商在 UI 中顯示的名稱。
options.baseURL 是本地伺服器的端點位址。
models 是模型 ID 到其設定的對應。模型名稱會顯示在模型選擇列表中。

IO.NET

IO.NET 提供 17 個針對不同使用情境最佳化的模型：

前往 IO.NET 控制台，建立帳號並產生 API 金鑰。
執行 /connect 指令並搜尋 IO.NET。
```
/connect
```
輸入您的 IO.NET API 金鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 指令選擇模型。
```
/models
```

LM Studio

您可以透過 LM Studio 設定 OpenCode 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)"
        }
      }
    }
  }
}

在這個範例中：

lmstudio 是自訂的提供商 ID，可以是任意字串。
npm 指定該提供商使用的套件。這裡使用 @ai-sdk/openai-compatible 來相容任何 OpenAI 相容的 API。
name 是該提供商在 UI 中顯示的名稱。
options.baseURL 是本地伺服器的端點位址。
models 是模型 ID 到其設定的對應。模型名稱會顯示在模型選擇列表中。

Moonshot AI

要使用 Moonshot AI 的 Kimi K2：

前往 Moonshot AI 控制台，建立帳號並點擊 Create API key。
執行 /connect 指令並搜尋 Moonshot AI。
```
/connect
```
輸入您的 Moonshot API 金鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 指令選擇 Kimi K2。
```
/models
```

MiniMax

前往 MiniMax API 控制台，建立帳號並產生 API 金鑰。
執行 /connect 指令並搜尋 MiniMax。
```
/connect
```
輸入您的 MiniMax API 金鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 指令選擇模型，例如 M2.1。
```
/models
```

Nebius Token Factory

前往 Nebius Token Factory 控制台，建立帳號並點擊 Add Key。
執行 /connect 指令並搜尋 Nebius Token Factory。
```
/connect
```
輸入您的 Nebius Token Factory API 金鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 指令選擇模型，例如 Kimi K2 Instruct。
```
/models
```

Ollama

您可以透過 Ollama 設定 OpenCode 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"
        }
      }
    }
  }
}

在這個範例中：

ollama 是自訂的提供商 ID，可以是任意字串。
npm 指定該提供商使用的套件。這裡使用 @ai-sdk/openai-compatible 來相容任何 OpenAI 相容的 API。
name 是該提供商在 UI 中顯示的名稱。
options.baseURL 是本地伺服器的端點位址。
models 是模型 ID 到其設定的對應。模型名稱會顯示在模型選擇列表中。

Ollama Cloud

要在 OpenCode 中使用 Ollama Cloud：

前往 https://ollama.com/ 登入或建立帳號。
導覽到 Settings > Keys，點擊 Add API Key 產生新的 API 金鑰。
複製 API 金鑰以便在 OpenCode 中使用。
執行 /connect 指令並搜尋 Ollama Cloud。
```
/connect
```
輸入您的 Ollama Cloud API 金鑰。
```
┌ API key
│
│
└ enter
```
重要：在 OpenCode 中使用雲端模型之前，必須先將模型資訊拉取到本地：
Terminal window
```
ollama pull gpt-oss:20b-cloud
```
執行 /models 指令選擇您的 Ollama Cloud 模型。
```
/models
```

OpenAI

我們建議註冊 ChatGPT Plus 或 Pro。

註冊完成後，執行 /connect 指令並選擇 OpenAI。
```
/connect
```
您可以選擇 ChatGPT Plus/Pro 選項，瀏覽器會自動開啟並要求您進行身分驗證。
```
┌ Select auth method
│
│ ChatGPT Plus/Pro
│ Manually enter API Key
└
```
現在使用 /models 指令即可看到所有 OpenAI 模型。
```
/models
```

使用 API 金鑰

如果您已經有 API 金鑰，可以選擇 Manually enter API Key 並將其貼上到終端機中。

OpenCode Zen

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

登入 OpenCode Zen 並點擊 Create API Key。
執行 /connect 指令並搜尋 OpenCode Zen。
```
/connect
```
輸入您的 OpenCode API 金鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 指令選擇模型，例如 Qwen 3 Coder 480B。
```
/models
```

OpenRouter

前往 OpenRouter 儀表板，點擊 Create API Key 並複製金鑰。
執行 /connect 指令並搜尋 OpenRouter。
```
/connect
```
輸入該提供商的 API 金鑰。
```
┌ API key
│
│
└ enter
```

預設已預先載入了許多 OpenRouter 模型，執行 /models 指令選擇您想要的模型。

/models

您也可以透過 OpenCode 設定新增更多模型。

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

您還可以透過 OpenCode 設定自訂模型。以下是指定提供商的範例：

{
  "$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 透過統一平台提供對來自 OpenAI、Anthropic、Google、Amazon、Meta、Mistral 和 AI21 的 40+ 模型的存取。

前往 SAP BTP Cockpit，導覽到您的 SAP AI Core 服務實例，並建立服務金鑰。

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

輸入您的服務金鑰 JSON。

┌ Service key
│
│
└ enter

或者設定 AICORE_SERVICE_KEY 環境變數：

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

或者新增到您的 bash 設定檔中：

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

可選：設定部署 ID 和資源群組：
Terminal window
```
AICORE_DEPLOYMENT_ID=your-deployment-id AICORE_RESOURCE_GROUP=your-resource-group opencode
```
這些設定是可選的，應根據您的 SAP AI Core 設定進行配置。
執行 /models 指令從 40+ 個可用模型中進行選擇。
```
/models
```

STACKIT

STACKIT AI Model Serving 提供完全託管的主權託管環境，專注於 Llama、Mistral 和 Qwen 等大語言模型，在歐洲基礎設施上實現最大程度的資料主權。

前往 STACKIT Portal，導覽到 AI Model Serving，為您的專案建立認證權杖。

您需要先擁有 STACKIT 客戶帳號、使用者帳號和專案，才能建立認證權杖。
執行 /connect 指令並搜尋 STACKIT。
```
/connect
```
輸入您的 STACKIT AI Model Serving 認證權杖。
```
┌ API key
│
│
└ enter
```
執行 /models 指令選擇模型，例如 Qwen3-VL 235B 或 Llama 3.3 70B。
```
/models
```

OVHcloud AI Endpoints

前往 OVHcloud 管理面板。導覽到 Public Cloud 部分，AI & Machine Learning > AI Endpoints，在 API Keys 分頁中點擊 Create a new API key。
執行 /connect 指令並搜尋 OVHcloud AI Endpoints。
```
/connect
```
輸入您的 OVHcloud AI Endpoints API 金鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 指令選擇模型，例如 gpt-oss-120b。
```
/models
```

Scaleway

要在 OpenCode 中使用 Scaleway Generative APIs：

前往 Scaleway Console IAM 設定產生新的 API 金鑰。
執行 /connect 指令並搜尋 Scaleway。
```
/connect
```
輸入您的 Scaleway API 金鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 指令選擇模型，例如 devstral-2-123b-instruct-2512 或 gpt-oss-120b。
```
/models
```

Together AI

前往 Together AI 控制台，建立帳號並點擊 Add Key。
執行 /connect 指令並搜尋 Together AI。
```
/connect
```
輸入您的 Together AI API 金鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 指令選擇模型，例如 Kimi K2 Instruct。
```
/models
```

Venice AI

前往 Venice AI 控制台，建立帳號並產生 API 金鑰。
執行 /connect 指令並搜尋 Venice AI。
```
/connect
```
輸入您的 Venice AI API 金鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 指令選擇模型，例如 Llama 3.3 70B。
```
/models
```

Vercel AI Gateway

Vercel AI Gateway 允許您透過統一端點存取來自 OpenAI、Anthropic、Google、xAI 等提供商的模型。模型按原價提供，不額外加價。

前往 Vercel 儀表板，導覽到 AI Gateway 分頁，點擊 API keys 建立新的 API 金鑰。
執行 /connect 指令並搜尋 Vercel AI Gateway。
```
/connect
```
輸入您的 Vercel AI Gateway API 金鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 指令選擇模型。
```
/models
```

您也可以透過 OpenCode 設定自訂模型。以下是指定提供商路由順序的範例。

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

一些常用的路由選項：

選項	描述
`order`	提供商嘗試順序
`only`	限制為特定提供商
`zeroDataRetention`	僅使用具有零資料留存策略的提供商

xAI

前往 xAI 控制台，建立帳號並產生 API 金鑰。
執行 /connect 指令並搜尋 xAI。
```
/connect
```
輸入您的 xAI API 金鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 指令選擇模型，例如 Grok Beta。
```
/models
```

Z.AI

前往 Z.AI API 控制台，建立帳號並點擊 Create a new API key。
執行 /connect 指令並搜尋 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 金鑰。
```
┌ API key
│
│
└ enter
```
執行 /models 指令選擇模型，例如 GLM-4.7。
```
/models
```

ZenMux

前往 ZenMux 儀表板，點擊 Create API Key 並複製金鑰。
執行 /connect 指令並搜尋 ZenMux。
```
/connect
```
輸入該提供商的 API 金鑰。
```
┌ API key
│
│
└ enter
```

預設已預先載入了許多 ZenMux 模型，執行 /models 指令選擇您想要的模型。

/models

您也可以透過 OpenCode 設定新增更多模型。

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

自訂提供商

要新增 /connect 指令中未列出的任何 OpenAI 相容提供商：

執行 /connect 指令，向下捲動到 Other。

$ /connect

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

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

┌  Add credential
│
◇  Enter provider id
│  myprovider
└
```
請選擇一個容易記住的 ID，您將在設定檔中使用它。

輸入該提供商的 API 金鑰。

$ /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-...
└

在專案目錄中建立或更新 opencode.json 檔案：
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"
        }
      }
    }
  }
}
```
以下是設定選項說明：
- npm：要使用的 AI SDK 套件，對於 OpenAI 相容的提供商使用 @ai-sdk/openai-compatible
- name：在 UI 中顯示的名稱。
- models：可用模型。
- options.baseURL：API 端點 URL。
- options.apiKey：可選，如果不使用 auth 認證，可直接設定 API 金鑰。
- options.headers：可選，設定自訂請求標頭。
更多進階選項請參見下面的範例。
執行 /models 指令，您自訂的提供商和模型將出現在選擇列表中。

範例

以下是設定 apiKey、headers 和模型 limit 選項的範例。

{
  "$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
          }
        }
      }
    }
  }
}

設定詳情：

apiKey：使用 env 變數語法設定，了解更多。
headers：隨每個請求傳送的自訂請求標頭。
limit.context：模型接受的最大輸入 Token 數。
limit.output：模型可產生的最大 Token 數。

limit 欄位讓 OpenCode 了解您還剩餘多少上下文空間。標準提供商會自動從 models.dev 拉取這些資訊。

疑難排解

如果您在設定提供商時遇到問題，請檢查以下幾點：

檢查認證設定：執行 opencode auth list 查看該提供商的憑證是否已新增到設定中。

這不適用於 Amazon Bedrock 等依賴環境變數進行認證的提供商。
對於自訂提供商，請檢查 OpenCode 設定並確認：
- /connect 指令中使用的提供商 ID 與 OpenCode 設定中的 ID 一致。
- 使用了正確的 npm 套件。例如，Cerebras 應使用 @ai-sdk/cerebras。對於其他所有 OpenAI 相容的提供商，使用 @ai-sdk/openai-compatible。
- options.baseURL 欄位中的 API 端點位址正確。