Codexをローカル環境で使うには？設定方法や実行手順も解説

Codexがローカルで使えるのか、気になっている人は多いですよね。

ただ、必要なものや費用感がわからないと、いざ使おうと踏み切れない人もいるはず。

そこでこの記事では必要なものも交え、Codexをローカル環境で使う方法を解説します。ターミナルやVSCodeでの実行手順も紹介するので、ぜひ参考にしてください。

ローカルでCodexを使う3つの方法

Codexをローカル環境で動かすには、用途に合わせて3つの方法を選べます。

ここからはCodexのローカル実行方法を、3つにまとめて解説します。

Codex CLIでローカル実行する

ターミナルから直接操作したい人には、Codex CLIが最適です。

Codex CLIは、Node.js上で動くコマンドラインツールです。npmコマンド1つでインストールできます。ターミナルに慣れた開発者であれば、最短5分ほどでセットアップが完了します。

プロジェクトのディレクトリに移動して、`codex`と入力するだけで対話が可能です。ファイル編集やコマンド実行の許可レベルも3段階で指定でき、安全に作業を進められるのが特徴です。

シンプルかつ柔軟に扱えるため、ターミナル操作に抵抗がない人にはCLIが第一候補になります。

デスクトップアプリを使う

GUIで操作したい人には、Codexのデスクトップアプリが向いています。

デスクトップアプリはElectronベースで構築されています。CLIと同じエンジンをGUI上で扱えるのが特徴です。コマンド入力に不慣れでも、チャット画面からプロンプトを送るだけで操作できます。

プロジェクトフォルダをドラッグ&ドロップで指定します。たとえば、チャット欄に「READMEを作って」と打てば自動生成されます。操作結果もリアルタイムでプレビューでき、視覚的に確認しながら作業を進められるのが利点です。

CLIに苦手意識がある人でも、デスクトップアプリなら直感的にCodexを活用できます。

VSCode拡張から利用する

普段の開発環境を変えたくない人には、VSCodeの拡張機能が便利です。

VSCodeの拡張マーケットプレイスで「Codex」を検索します。インストールするだけで利用開始できます。エディタのサイドパネルにCodexのチャット画面が表示され、コードを書きながらすぐ質問や生成依頼が可能です。

編集中のファイルを自動的にコンテキストとして読み取ります。「この関数にテストを追加して」と指示するだけで、的確なコードが生成されます。ターミナルへの切り替えも不要です。

VSCodeを日常的に使っている開発者にとって、最も導入コストが低い方法です。

ローカルでCodexを使う前の確認ポイント

ローカル実行を始める前に、PCスペックと費用の2点を確認しておく必要があります。

ここからはPCスペックと費用の確認ポイントを、2つにまとめて解説します。

必要なPCスペック

Codex CLIだけを動かすなら、一般的なノートPCでも対応できます。

Codex CLI自体は、Node.js環境があれば動作するため、求められるスペックは高くありません。ただし、ローカルLLMと組み合わせる場合はスペック要件が大きく変わります。

用途別の目安は、次のとおりです。

用途	メモリ	GPU	ストレージ空き
Codex CLI（API利用）	8GB以上	不要	1GB程度
ローカルLLM（7Bモデル）	16GB以上	VRAM 6GB以上推奨	10GB以上
ローカルLLM（13B以上）	32GB以上	VRAM 12GB以上推奨	20GB以上

ローカルLLMを使う場合、メモリ16GB以上かつNVIDIA製GPUがあると快適に動作します。Intel MacやGPUなしのPCでも動きますが、応答速度が大幅に低下する点に注意してください。

かかる費用

Codex CLIの導入自体は無料ですが、利用するモデルによって費用が変わります。

OpenAIのAPIを使う場合、モデルごとにトークン単価が設定されています。OllamaやLM Studioでローカルモデルを動かす場合、API料金は一切不要です。

主な料金パターンは、次のとおりです。

利用形態	費用
ChatGPTアカウント(無料プラン)	0円(レート制限あり)
ChatGPT Plus	月額約3,260円(20ドル)
OpenAI API(GPT-5.4-mini)	100万トークンあたり 入力トークン：約122円(0.75ドル) 出力トークン：約733円(4.5ドル)
ローカルLLM(Ollama/LM Studio)	0円(電気代のみ)

※2026年7月時点の為替レート「1ドル163円」で換算しています。

完全無料で使いたい場合は、ローカルLLMとの組み合わせが最もコストを抑えられます。自社サーバーなどの環境があれば、別途費用をかけずにCodexを利用可能です。

API利用でも、小規模な個人開発なら月数百円程度に収まるケースがほとんどです。

ローカルでCodexを使うべき？

ローカル実行にはメリットがある一方、Web版で十分な場面もあります。自分の用途に合った選択が大切です。

ここからはローカルとWeb版の使い分けを、2つのケース別に解説します。

ローカルが向いているケース

社外に出せないコードを扱う場合や、オフラインで作業したい場合はローカル一択です。

ローカル実行では、コードやプロンプトが外部サーバーに送信されません。社内の機密コードを扱う開発現場では、セキュリティポリシー上ローカルしか選べないこともあります。

次のような状況では、ローカル実行のメリットが大きくなります。

機密性を重視する開発や、通信環境に左右されたくない人はローカル環境がおすすめです。

Web版で十分なケース

学習目的や軽い質問だけなら、Web版のほうが手軽に始められます。

Web版はブラウザさえあればすぐ使えるため、環境構築の手間がかかりません。OpenAIのChatGPT経由で利用すれば、最新モデルも追加設定なしで使えます。

プログラミング学習中にコードの書き方を聞きたいだけの場面では、ローカル環境を整える必要はありません。セットアップに時間をかけるより、すぐ使えるWeb版のほうが効率的です。

機密データを扱わず、手軽さを優先したい人にはWeb版が向いています。

ローカルでCodexを使う手順

ここからは、Codex CLIをローカルにインストールして実行する手順を5ステップで解説します。

1. Node.jsをインストールする
2. Codex CLIを導入する
3. codex loginでChatGPTアカウントにサインインする
4. 使うモデルを選ぶ
5. ターミナルで実行する

1.Node.jsをインストールする

まずは、Node.jsをインストールしましょう。

Codex CLIは、Node.js v22以上が必要です。

Node.jsの公式サイトからLTS版をダウンロードし、インストーラの案内に沿って進めてください。インストール後、ターミナルで次のコマンドを実行してバージョンを確認します。

```
node -v
```

v22.0.0以上の数字が表示されれば準備完了です。もし古いバージョンが入っている場合は、公式サイトから最新版を上書きインストールしてください。

2.Codex CLIを導入する

Node.jsの準備ができたら、npmでCodex CLIをインストールします。

ターミナルで次のコマンドを実行してください。

```
npm install -g @openai/codex
```

`-g`オプションを付けると、どのディレクトリからでも`codex`コマンドが使えます。インストール完了後、`codex –version`でバージョン番号が表示されれば成功です。

権限エラーが出る場合は、コマンドの先頭に`sudo`を付けて再実行してください。

3.codex loginでChatGPTアカウントにサインインする

Codex CLIを使うには、ChatGPTアカウントでのサインインが必要です。

ターミナルで次のコマンドを実行してください。

```
codex login
```

ブラウザが自動で開き、ChatGPTのログイン画面が表示されます。普段使っているアカウントでサインインすると、認証トークンが自動保存されます。

無料プランのアカウントでも、サインイン可能です。ただし、無料プランではリクエスト回数に制限があるため、頻繁に使う場合はPlusプランの検討をおすすめします。

4.使うモデルを選ぶ

サインイン後、利用するモデルを指定できます。

デフォルトではGPT-5.4-miniモデルが選択されています。別のモデルを使いたい場合は、`–model`オプションで指定してください。

```
codex --model GPT-5.4-mini
```

利用可能なモデルは、プランによって異なります。PlusプランならGPT-5.4-miniのほか、GPT-5.5やGPT-5.6-Solなど複数のモデルから選べます。

モデル選択に迷ったら、まずデフォルトのGPT-5.4-miniで試すのが効率的です。

Codexで使えるモデルの種類を詳しく知りたい人は、次の記事を参考にしてください。

5.ターミナルで実行する

モデルを選んだら、プロジェクトのディレクトリに移動して実行します。

```
cd ~/my-project
codex
```

対話モードが起動し、プロンプトの入力を待つ画面が表示されます。「このプロジェクトの構成を説明して」と入力すると、フォルダ構成を読み取って回答が返ってきます。

実行時には、操作の権限レベルを選択可能です。

モード	内容
suggest	提案のみ。ファイル変更なし
auto-edit	ファイル編集を自動で実行
full-auto	コマンド実行も含めてすべて自動

初回はsuggestモードで動作を確認し、慣れたらauto-editに切り替えるのが安全です。

ローカルLLMでCodexを動かす方法

OpenAIのAPIを使わず、ローカルLLMでCodexを完全無料で動かす方法があります。

ここからはローカルLLMへの接続方法を、3つにまとめて解説します。

–ossオプションでローカルに切り替える

Codex CLIには、ローカルLLMへ接続するための`–oss`オプションが用意されています。

`–oss`を付けて起動すると、OpenAIのAPIではなくローカルで稼働するLLMサーバーに接続可能です。デフォルトの接続先は`http://localhost:11434`で、OllamaやLM Studioが対応しています。

```
codex --oss
```

接続先を変更したい場合は、環境変数`CODEX_OSS_BASE_URL`で指定できます。

```
export CODEX_OSS_BASE_URL=http://localhost:1234/v1
```

`–oss`オプションを使えば、インターネット接続なしでもCodexを利用可能です。

Ollamaを使う場合

Ollamaは、コマンド1つでローカルLLMを起動できるツールです。

まずOllamaの公式サイトからインストーラをダウンロードし、セットアップを完了させてください。インストール完了後、ターミナルで次のコマンドを実行してモデルを取得します。

```
ollama pull codellama:7b
```

モデルのダウンロードが終わったら、Ollamaのサーバーを起動してください。

```
ollama serve
```

サーバーが起動した状態で、別のターミナルからCodex CLIを`–oss`付きで実行します。

```
codex --oss --model codellama:7b
```

Ollamaはセットアップが簡単なため、ローカルLLM初心者にとくにおすすめです。

OllamaでCodexを動かす方法を詳しく知りたい人は、次の記事を参考にしてください。

LM Studioを使う場合

GUIでモデル管理をしたい人には、LM Studioが適しています。

LM Studioは、モデルの検索・ダウンロード・実行をすべてGUI上で行えるアプリです。インストール後、検索バーでモデル名を入力し、ワンクリックでダウンロードできます。

LM Studioでローカルサーバーを起動する手順は、次のとおりです。

1. LM Studioを起動し、使いたいモデルをダウンロードする
2. 左メニューの「Local Server」タブを開く
3. 「Start Server」ボタンをクリックする
4. デフォルトで`http://localhost:1234/v1`にサーバーが立ち上がる

Codex CLI側では、環境変数を設定してから起動してください。

```
export CODEX_OSS_BASE_URL=http://localhost:1234/v1
codex --oss
```

LM StudioはGGUF形式に幅広く対応しており、好みのモデルを自由に試せるのが強みです。

ローカルでCodexが使えないときの対処法

ローカル環境では、セットアップ時にエラーが出ることがあります。

ここからは、ローカルでCodexが使えないときの対処法を解説します。

codex loginでサインインできない

ブラウザが自動で開かない場合、ネットワーク設定やプロキシが原因であることが多いです。

社内ネットワークやVPN環境では、認証用のリダイレクトがブロックされるケースがあります。ターミナルに表示されるURLを手動でコピーし、ブラウザのアドレスバーに貼り付けてアクセスしてください。

それでも解決しない場合は、環境変数`OPENAI_API_KEY`にAPIキーを直接設定する方法でログインを回避できます。

```
export OPENAI_API_KEY=sk-xxxxxxxxxxxxx
```

codexコマンドが見つからない

`command not found`エラーが出る場合、PATHの設定が原因です。

npmのグローバルインストール先がPATHに含まれていないと、コマンドが認識されません。次のコマンドでnpmのグローバルパスを確認してください。

```
npm config get prefix
```

表示されたパスの`bin`ディレクトリをPATHに追加します。

```
export PATH="$PATH:$(npm config get prefix)/bin"
```

`.bashrc`や`.zshrc`に上記の行を追記しておくと、ターミナル再起動後も設定が維持されます。

Codexのコマンドを詳しく知りたい人は、次の記事を参考にしてください。

Ollamaに接続できない

Codex CLIが「connection refused」と表示する場合、Ollamaのサーバーが起動していない可能性が高いです。

まず、`ollama serve`を実行してサーバーを起動してください。起動済みの場合は、ポート番号の競合が原因かもしれません。

次のコマンドで、ポート11434が使用されているか確認できます。

```
lsof -i :11434
```

別のプロセスがポートを占有している場合は、該当プロセスを停止してからOllamaを再起動してください。

LM Studioのサーバーが起動しない

「Start Server」を押してもエラーが出る場合、モデルのロード失敗が主な原因です。

メモリ不足で、モデルを読み込めないケースがとくに多いです。LM Studioの設定画面で、モデルのコンテキストサイズを2048に下げてみてください。

7Bパラメータのモデルでも、最低8GBのメモリが必要です。メモリ不足の場合は、より小さいモデル（3Bなど）への変更を検討してください。

VSCode拡張がローカルLLMを認識しない

VSCodeのCodex拡張がローカルLLMに接続できない場合、設定ファイルの確認が必要です。

VSCodeの設定（settings.json）で、ローカルサーバーのURLが正しく指定されているか確認してください。Ollamaなら`http://localhost:11434`、LM Studioなら`http://localhost:1234/v1`が初期値です。

設定変更後は、VSCodeを完全に再起動してください。拡張機能の再読み込みだけでは、設定が反映されないことがあります。

Codexのローカル利用によく抱く疑問

ここからは、Codexのローカル利用によく抱く疑問へ回答します。

GPUなしでも動かせる？

結論として、GPUなしでもCodexのローカルLLM実行は可能です。

OllamaやLM StudioはCPU推論に対応しているため、GPUが搭載されていないPCでもモデルを動かせます。ただし、応答速度に大きな差が出ます。

7Bモデルの場合、GPU（RTX 3060）では1秒あたり約30トークン生成できます。一方CPUのみでは、1秒あたり5トークン前後まで低下します。

短いコード生成なら問題ありませんが、長文生成には待ち時間が長くなることも。快適さを求めるなら、VRAM 6GB以上のGPU搭載を推奨します。

OpenAI APIキーなしで使える？

`–oss`オプションでローカルLLMに接続すれば、APIキーなしでCodex CLIを利用できます。

Codex CLIはデフォルトでOpenAIのAPIに接続しますが、`–oss`モードではローカルサーバーだけを使います。OpenAIのアカウント登録や、APIキーの発行は不要です。

ただし、`codex login`によるサインインは初回に必要な場合があります。完全にオフラインで使いたい場合は、環境変数でローカルサーバーのURLを指定してください。

OllamaとLM Studioはどちらが自分に合う？

ターミナル操作に慣れているならOllama、GUIで管理したいならLM Studioがおすすめです。

比較項目	操作方法	セットアップ速度	モデル管理	対応モデル形式	サーバー起動
Ollama	CLI（コマンド）	コマンド2つで完了	`ollama pull`で取得	独自形式	`ollama serve`
LM Studio	GUI（画面操作）	インストール後すぐ利用可	GUI上で検索・ダウンロード	GGUF形式	ボタン1クリック

Ollamaはサーバー用途やCI/CDとの連携に強く、LM Studioはモデルの試し比べに便利です。両方とも無料で使えるため、迷ったら両方インストールして比較するのが確実です。

ローカルLLMの精度はクラウド版より落ちる？

ローカルで動かせるモデルは、クラウド版のGPT5.4-miniやGPT5.4と比べて精度が劣ります。

OpenAIのクラウドモデルは数千億パラメータ規模で、大量のデータで学習されています。ローカルで実用的に動くモデルは7B〜13B程度で、パラメータ数に10倍以上の差があります。

複雑なリファクタリングや大規模コードベースの理解では、クラウド版のほうが正確な回答を返す傾向にあります。

単純なコード生成や定型作業なら、ローカルLLMでも十分実用的です。用途に応じてクラウド版とローカル版を使い分けるのが効率的な運用方法です。

まとめ

今回は、Codexをローカル環境で使う方法を解説しました。

まずはCodex CLIをインストールし、suggestモードで基本的な操作を試してみましょう。慣れてきたらOllamaやLM Studioを活用した無料構成にも挑戦することで、APIコストを抑えながら機密コードも安心して扱える環境を整えられます。