Cursor 的模型设置里有 Override OpenAI Base URL 开关和自定义模型列表。打开它、把 base URL 指向 DaoXE、加上准确模型 ID,Cursor 的 chat 和行内编辑就会走你的 key。要清楚范围:这个覆盖只改 OpenAI 形态的调用,不改 Cursor 自家的 Tab 补全和服务端功能。Cursor 与 Claude Code 的成本角度见Cursor·Claude Code 教程。
为什么让 Cursor 走 DaoXE#
- 保留 Cursor 体验,换掉后端。 chat 与 Ctrl/Cmd-K 编辑走你的 DaoXE 模型,无需各家分别开户。
- 一个 key,多种模型。 加多个 DaoXE ID,在模型选择器里切换 GPT、Claude、Gemini、DeepSeek。
- 按成本分流。 快速编辑用便宜模型,难题用顶级模型,同一余额。见最便宜 API 教程。
在 Cursor 里配置#
- 打开模型设置。 Cursor Settings → Models,滚动到 OpenAI API Key 部分。
- 添加自定义模型。 在模型列表点 Add model,填入与
GET /v1/models一致的准确 ID(乱猜的名字会失败)。 - 覆盖 base URL。 展开 OpenAI API Key,粘贴 DaoXE key,打开 Override OpenAI Base URL,填
https://daoxe.com/v1。 - Verify 后选用。 点 Verify 让 Cursor 发一次真实请求;然后在 chat/composer 的模型选择器里选你的模型,跑个小任务。
值得注意的坑
该覆盖对所有 OpenAI 形态调用全局生效、按账号而非按单个模型:开启后 Cursor 的 OpenAI 请求都会转到 DaoXE。Cursor 自家的 Tab 补全和部分服务端/智能体功能绑定其自有基础设施,不会用你的端点 —— 自定义模型主要驱动 chat 和编辑。智能体编辑需要支持工具调用的模型。用 GET /v1/models 里的准确 ID;Verify 失败通常是 base URL 或 key 不对。更多客户端见客户端设置说明。
验证你拿到的是真模型#
先证明端点可用,再怀疑客户端 —— 这一步失败,改任何设置都没用:
export DAOXE_API_KEY="your_api_key"
# List the exact model IDs your account can call
curl --fail-with-body --show-error --silent \
https://daoxe.com/v1/models \
-H "Authorization: Bearer ${DAOXE_API_KEY}"便宜端点只有在给你真模型时才算省。先在 Cursor 之外验证连通,再在 temperature 0 下把固定 prompt 与官方 API 对比:
curl --fail-with-body --show-error --silent \
https://daoxe.com/v1/chat/completions \
-H "Authorization: Bearer ${DAOXE_API_KEY}" \
-H "Content-Type: application/json" \
-d '{
"model": "YOUR_EXACT_MODEL_ID",
"max_tokens": 64,
"messages": [{"role": "user", "content": "Say hello in one sentence."}]
}'别信我们 —— 自己验证
把 开源 benchmark 对准 DaoXE 和官方 API,在 temperature 0 下对比。再学会如何鉴别掉包,让便宜端点无法悄悄把你换成更小的模型。
常见问题#
Cursor 支持自定义 OpenAI 兼容端点吗?
支持 —— 在 Settings → Models 打开 Override OpenAI Base URL,填 https://daoxe.com/v1,加 key 和准确模型 ID,再点 Verify。
Tab 补全会走 DaoXE 吗?
不会 —— Tab 和部分服务端功能跑在 Cursor 自有基础设施上。覆盖只影响 OpenAI 形态的 chat/edit 调用,所以要为它们添加自定义模型。
为什么 Verify 失败?
多半是 base URL 不对(必须到 /v1 为止)或 key 错,或模型名不是 GET /v1/models 里的准确 ID。
能保留多个模型吗?
能 —— 加多个准确 ID 在选择器里切换,全在一个 DaoXE 余额下。当前价格优势:多数主流模型经低价分组约低 30%–80%。
试用 DaoXE —— 并亲自 benchmark 它
一个 key 调 GPT、Claude、Gemini、DeepSeek 等。用开源 benchmark 对准我们做对比 —— 别只听我们说。