docs/models/openai.mdx
OpenAI 是覆盖最完整的厂商，可同时承担文本对话、视觉理解、图像生成、语音识别（ASR）、语音合成（TTS）和向量（Embedding）能力。一份 open_ai_api_key 即可让 Agent 用到全部能力。
{
"model": "gpt-5.5",
"open_ai_api_key": "YOUR_API_KEY",
"open_ai_api_base": "https://api.openai.com/v1"
}
| 参数 | 说明 |
|---|---|
model | 与 OpenAI 接口的 model 参数 一致，支持 gpt-5.5、gpt-5.4、gpt-5.4-mini、gpt-5.4-nano、gpt-5 系列、gpt-4.1、o 系列等；Agent 模式默认 gpt-5.5，追求性价比可改为 gpt-5.4 |
open_ai_api_key | 在 OpenAI 平台 创建 |
open_ai_api_base | 可选，修改可接入第三方代理 |
bot_type | 使用 OpenAI 官方模型时无需填写；通过兼容协议接入厂商模型时需设为 openai |
gpt-5.5、gpt-5.4、gpt-4o、gpt-4.1 等 OpenAI 模型均原生支持视觉，配置 open_ai_api_key 后 Agent 的 Vision 工具会自动使用主模型识别图像。若主模型不支持视觉或希望显式指定，可在配置文件中配置：
{
"tools": {
"vision": {
"model": "gpt-5.4-mini"
}
}
}
支持的 Vision 模型：gpt-5.5、gpt-5.4、gpt-5.4-mini、gpt-5.4-nano、gpt-5、gpt-4.1、gpt-4.1-mini、gpt-4o。
在配置文件中指定图像生成模型，Agent 调用图像生成技能时会自动路由到 OpenAI：
{
"skills": {
"image-generation": {
"model": "gpt-image-2"
}
}
}
支持的图像生成模型：gpt-image-2、gpt-image-1。
{
"voice_to_text": "openai",
"voice_to_text_model": "gpt-4o-mini-transcribe"
}
| 参数 | 说明 |
|---|---|
voice_to_text | 设为 openai 启用 OpenAI 语音识别 |
voice_to_text_model | 可选，默认 gpt-4o-mini-transcribe；也可填 gpt-4o-transcribe、whisper-1 |
凭证自动复用 open_ai_api_key。
{
"text_to_voice": "openai",
"text_to_voice_model": "tts-1",
"tts_voice_id": "alloy"
}
| 参数 | 说明 |
|---|---|
text_to_voice_model | tts-1、tts-1-hd、gpt-4o-mini-tts |
tts_voice_id | 音色：alloy、echo、fable、onyx、nova、shimmer、ash、ballad、coral、sage、verse |
{
"embedding_provider": "openai",
"embedding_model": "text-embedding-3-small"
}
可选模型：text-embedding-3-small、text-embedding-3-large、text-embedding-ada-002。修改 embedding 后需执行 /memory rebuild-index 命令重建索引。