面向 Codex 的模型枢纽

在一个地方工作。
让各处能力协同完成任务。

继续在 Codex 中工作。ModelDock 把你选择的模型——原生 GPT、托管服务商和本地引擎——与任务所需工具接入同一个工作流,无需在应用之间手动搬运提示词、文件或结果。

本地桥接 Responses 流式传输、工具循环和长会话工作始终属于同一个任务。

抽象的 ModelDock 技术栈:界面窗口、中央 Dock 与本地 AI 硬件由光流相连
一个任务,从界面一路调度到机器。

ModelDock 技术栈

界面、调度、机器——
一套系统。

ModelDock 是中间那层路由软件——也是一种理念:你工作的界面、调用的模型、运行它的硬件,应当一起设计。

抽象的玻璃界面:选中的模型行分出三条路由

01 / 界面

留在你熟悉的界面里。

Codex 依然是你的工作台。原生 GPT、托管服务商和你自己的本地模型,出现在同一个模型选择器里——换模型,不换应用。

Codex · GPT · 托管 · 本地

抽象的 Dock 枢纽:工具模块在通道之间调度光流

02 / 调度

一个 Dock,调度每个任务。

本地桥接把每个请求送到合适的模型,并按任务挂上所需工具:视觉、搜索、记忆、语音、图像生成。流式输出、工具循环和长会话保持完整;每条路由、每个 token、每次延迟都看得见。

路由 · 工具 · 实时追踪

灯光舞台上的抽象本地 AI 机器与上方的基准图表

03 / 机器

看清底下那台机器。

本地 AI 跑在真实的硬件上。ModelDock 识别 Ollama、llama.cpp、vLLM 和 Strata,并用公开基准衡量你的机器——预填充、解码、功耗、每百万 token 成本——调优、对比、选购都有依据。

识别 · 基准 · 排名

查看排行 →

下一步 / 计划中

连接器。 下一阶段将探索由用户授权的本地工具:通过官方 CLI 在隔离任务中运行,并返回结果与可审查的差异。此功能仍在规划中,尚未包含在当前版本。