Codex 原生接入 DeepSeek V4 Flash 正式版
EricDeepSeek 原生支持 Responses API 格式免代理直接接入 Codex，详解模型声明文件、Profile 配置及多推理力度实战。
7 月 31 日，DeepSeek 官方终于发布了 deepseek-v4-flash 正式版本，新增了对 Responses API 格式的支持，这意味着只需简单配置，就能直接在 Codex 中使用 DeepSeek 模型。
主流 benchmark 评分仅供参考，实际以个人体验为准：
模型能力得到大幅提升的同时，依旧维持原来的定价，简直良心。接下来推荐两种接入 DeepSeek 的方式。
Codex 接入
Codex 官方支持配置外部 AI 供应商，只不过要适配 Responses API 格式。这次 DeepSeek API 原生支持该格式后，配置起来就非常方便了，无需再借助本地的代理转发工具。
01 声明模型元数据
首先，创建模型声明文件 ~/.codex/deepseek-model-catalog.json，这样 Codex 在使用 /model 命令的时候才能选中 deepseek-v4-flash 模型以及不同推理强度。
下面是源文件，可以自行按需修改：
https://share-1256249917.cos.ap-chengdu.myqcloud.com/deepseek-model-catalog.json
02 配置 Profile 文件
建议配置成单独的 toml 格式的文件，而不是直接使用官方默认的 ~/.codex/config.toml 文件。我使用的是 ~/.codex/deepseek.config.toml。文件内容如下：
model = "deepseek-v4-flash"
model_provider = "deepseek"
# preferred_auth_method = "apikey"
# forced_login_method = "api"
model_reasoning_effort = "high"
model_catalog_json = "~/.codex/deepseek-model-catalog.json"
[model_providers.deepseek]
name = "deepseek"
base_url = "https://api.deepseek.com/"
wire_api = "responses"
experimental_bearer_token = "<你的 DeepSeek API Key>"其中 experimental_bearer_token 填入你的 API Key（在 DeepSeek Platform 获取）。
注意：preferred_auth_method、forced_login_method 这两项配置表示使用 API Key 认证、跳过 ChatGPT 账号登录。我平时还要和官方订阅一起用，所以把它们注释掉了。
03 开始使用
配置完成之后，进入项目目录，执行如下命令：
cd /path/to/my-project
codex --profile deepseek运行效果图：
下图是 token 消耗与具体的费用情况。
| 模型版本 | DeepSeek-V4-Flash-0731 | DeepSeek-V4-Pro |
|---|---|---|
| 上下文长度 | 1M | 1M |
| 输出长度 | 最大 384K | 最大 384K |
| 百万 tokens 输入（缓存命中） | 0.02元 | 0.025元 |
| 百万 tokens 输入（缓存未命中） | 1元 | 3元 |
| 百万 tokens 输出 | 2元 | 6元 |
OpenCode 接入
OpenCode 就比较简单，下载好 CLI 工具就可以直接使用了。每天有免费额度，也可以首月 5 美刀，次月 10 美刀订阅 GO 套餐。如果你只是用 DeepSeek V4 Flash，用量几乎无限。
最后
国内大模型，我最看好的就是 DeepSeek 了。定价低、速度快、开源、不炒作，Buff 叠满了。在大模型能力进步如此之快的当下，DeepSeek 的优势将会越来越明显。
个人认为最理想的搭配就是最前沿模型规划 + 快速执行模型（智力不能太差）。因为从 GPT 5.6 发布以来，期间大量的额度重置，几乎每天都在使用 Sol xhigh / max。它的智力确实得到了提升，但是速度慢、过度工程化、不遵守项目规范、降智等情况比较严重，很影响实际使用感受，消耗大量等待和返工的时间，找不到那种心流的感觉。
所以才逐渐开始关注那些速度快且高效的模型，如 Grok、DeepSeek 等。尤其是它们最新版本的风评也越来越好。开始将一些中等难度的 SDD 需求文档直接交给它们执行，效果出奇地好。
回到 DeepSeek-V4-Flash，毕竟参数小，智力方面无法和顶尖模型相比，但模型的最大上下文可以达到 1M，有效上下文占比约 95%，还是很可观的，对于长任务执行比较友好。不像 Codex CLI + GPT 模型，上下文窗口最大只有 258k 左右，执行长任务时会频繁压缩上下文，导致最终效果差。
