最近我把 Codex 和 Claude Code 两个终端编程工具的默认模型换成了 DeepSeek-V4-Flash，整个过程不到十分钟。这篇文章把完整的配置过程和我踩过的几个坑记录下来，如果你也想用国产模型跑这两个工具，照着做就行。

为什么选 DeepSeek-V4-Flash

选择这个模型主要有三个原因。

价格是首要因素。它的输入价格是 1 元/百万 token，输出 2 元/百万 token，而 V4-Pro 分别是 3 元和 6 元，Flash 只有 Pro 的三分之一。

其次是 Agent 能力。在专门测试 AI 自主执行终端任务的 Terminal-Bench 2.1 基准上，Flash 拿到了 82.7 分，超过了自家 V4-Pro 预览版的 72.1 分。写代码、调用工具、独立完成任务的能力都很扎实。

第三是协议兼容性。它原生支持 OpenAI 的 Responses API，接入 Codex 时不需要任何中间代理做协议转换，配置完直接就能用。

对比项	V4-Flash	V4-Pro（预览版）
输入价格	1 元 / 百万 token	3 元 / 百万 token
输出价格	2 元 / 百万 token	6 元 / 百万 token
Terminal-Bench 2.1	82.7	72.1

需要说明的是，Pro 定位更高端，适合复杂推理类任务，但目前还是预览版，终端任务表现反而不如 Flash。如果主要用 AI 写代码、跑命令，Flash 是更务实的选择。

第一步：准备 API Key

不管接入哪个工具，都需要先在 DeepSeek 开放平台注册账号，进入 API keys 页面创建一个 Key。Key 只在创建时完整显示一次，要当场复制保存好，后面配置都要用到。如果账户没有余额，记得先充值。

第二步：接入 Codex

Codex 有命令行版和桌面 App 两种形态，这里以命令行版为例。先确认电脑里有 Node.js 环境，然后执行：

npm install -g @openai/codex

安装完成后先启动一次 Codex，让它自动生成 ~/.codex 配置目录，后面配置要往这个目录里写文件。首次启动会要求登录 OpenAI 账号，没有账号可以直接跳过，用下面两种方式之一切换到 DeepSeek。

方式一：使用官方配置脚本

DeepSeek 官方提供了现成的配置脚本，Windows 用户在 PowerShell 中执行：

irm https://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.ps1 | iex

Mac 或 Linux 用户在终端执行：

bash <(curl -fsSL https://cdn.deepseek.com/api-docs/codex-deepseek-setup.sh)

脚本运行后会让你选择模型，直接选 DeepSeek-V4-Flash，然后填入 API Key 回车即可。脚本会自动完成几件事：把原配置备份到 ~/.codex/backup-deepseek/、生成 models.json 模型元数据文件、修改 config.toml 写入接口配置（已有的 MCP 服务器和项目配置会保留），最后还会校验配置语法，有错误会中止而不是破坏文件。

配置完成后重新打开 Codex，启动横幅显示 deepseek-v4-flash 就说明成功了。想切回官方模型，重新跑一遍脚本选恢复选项。

方式二：手动编辑配置文件

不习惯跑脚本的话，手动改两个文件也可以。第一步，在 ~/.codex（Windows 是 %USERPROFILE%\.codex）下新建 models.json，内容参考 DeepSeek 官方文档，它声明了模型的上下文窗口、推理等级等参数。第二步，编辑同目录下的 config.toml，添加以下内容：

model = "deepseek-v4-flash"
model_provider = "deepseek"
preferred_auth_method = "apikey"
forced_login_method = "api"
model_reasoning_effort = "high"
model_catalog_json = "~/.codex/models.json"

[model_providers.deepseek]
name = "deepseek"
base_url = "https://api.deepseek.com/"
wire_api = "responses"
experimental_bearer_token = "<你的 DeepSeek API Key>"

把 experimental_bearer_token 换成自己的 Key。这里最关键的一行是 wire_api = "responses"，它让 Codex 用 Responses API 协议和 DeepSeek 通信，V4-Flash 原生支持这个协议，所以不用代理就能跑通。保存后重启 Codex 生效。

第三步：接入 Claude Code

Claude Code 是 Anthropic 的终端编程工具，同样绕不开账号问题。它接第三方模型最省心的方式是用开源工具 CC Switch，这个工具用图形界面统一管理 Claude Code、Codex、Gemini CLI 等工具的配置，内置了 50 多个模型供应商预设，DeepSeek、Qwen、智谱 GLM 等都有，不用手动编辑 JSON 或 TOML。

Mac 用户可以直接用 Homebrew 安装：

brew install --cask cc-switch

Windows 用户下载安装包，Linux 用户选 AppImage 或 deb/rpm 包。然后再安装 Claude Code：

npm install -g @anthropic-ai/claude-code

接下来打开 CC Switch，在顶部应用栏选择 Claude，点击添加供应商，从预设里选 DeepSeek，填入刚才创建的 API Key。预设里已经内置了 V4-Pro 和 V4-Flash 两个模型，主模型对应 Opus 位，小模型对应 Haiku 位，全部改成 Flash 也没问题。保存后点击启用，重新进入 Claude Code，问一句"你是什么模型"，能正常回复就说明切换成功。

这套流程能走通，是因为 DeepSeek 提供了兼容 Anthropic 协议的接口，Claude Code 本来就是按这个协议通信的，CC Switch 只是把配置写进了 settings.json。

补充：给 DeepSeek 加上识图能力

V4-Flash 目前是纯文本模型，不能直接理解图片。如果想让它在 Codex 或 Claude Code 里分析截图，需要借助一个开源 Vision Skill，原理是把图片发给有视觉能力的模型，拿到文字描述后再交回 DeepSeek 处理。

安装方式是克隆仓库 asuojun/claude-vision-skill，把其中的 vision.js 放到 skill 目录，并在同目录创建 .env 配置文件：

DASHSCOPE_API_KEY=你的阿里云百炼 Key
VISION_MODEL=qwen-vl-max

默认接口地址是阿里云百炼的 OpenAI 兼容地址，模型名建议在百炼控制台确认，用明确支持视觉的模型（比如 qwen-vl-max）。如果提示词里写的是 qwen3.8-max，需要确认该模型已经开通多模态能力。配置完成后，让 AI 用 node vision.js "<图片路径>" "描述这张图片" 的方式调用即可。

这里有个容易踩的坑：仓库自带的 SKILL.md 里，vision.js 的路径是作者机器上的绝对路径（比如 /Users/用户名/.codex/skills/…），直接照抄会报文件不存在，需要改成你自己机器上的实际目录。

常见问题排查

重启后 Codex 还是官方模型：检查 ~/.codex/config.toml 里 model 和 model_provider 是否已改成 deepseek，并确认 models.json 存在。

请求返回 404：大概率是协议没配对，确认配置里有 wire_api = "responses"，且 base_url 是 https://api.deepseek.com/。

请求返回 401：API Key 复制不完整，或者账户没有余额。重新创建一个 Key 试一次。

识图报 model not found：模型名写错了。到阿里云百炼控制台模型广场确认准确的模型 ID，再改 .env。

想恢复官方模型：Codex 重新跑一遍官方脚本选恢复；Claude Code 在 CC Switch 里切换回默认供应商。

另外提醒一句，DeepSeek 官方已经公告将于 8 月 17 日调整 API 价格，具体以开放平台公告为准，重度使用的话可以留意。

小结

整个流程的核心就两点：Codex 走 Responses API 原生协议，Claude Code 走 Anthropic 兼容协议，两边都不需要本地代理。把模型换成 DeepSeek-V4-Flash 之后，日常写代码、跑命令的体验和官方模型差别不大，成本却低很多。配置过程中如果遇到问题，对照上面的排查清单基本都能解决。