不換 CLI 只換後端：把 DeepSeek-V4-Pro 接進 Codex 的完整實戰設定

瀏覽次數: 8

「Codex CLI 用得很順，但我想換一顆更便宜、context 更長的模型」——這個需求以前只能靠 proxy 硬轉 chat completions，轉完常常 tool call 掉格式、context window 被猜錯、apply_patch 直接壞掉。

2026 年 8 月 13 日 DeepSeek 把 DeepSeek-V4-Pro 正式版推上 API，同一天官方文件多了一頁 Codex 整合說明，走的是 Responses API 原生協定，不是相容層翻譯。意思是：你的 Codex CLI、AGENTS.md、審批流程、apply_patch 全都不用動，動的只有 ~/.codex/ 底下兩個檔。

這篇把整條路徑拆開講：Codex 的設定怎麼決定「模型是誰」、官方安裝腳本偷偷幫你刪掉什麼（那才是真正的地雷清單）、換完之後你會失去什麼，以及 8/17 起的峰谷計價要怎麼排任務。下面所有欄位與行為，都以 DeepSeek 官方文件與那支 codex-deepseek-setup-en.sh 安裝腳本的原始碼為準——我把腳本抓下來逐行讀過，但沒有在正式專案跑完整一輪，所以效果類的話我不會替你打包票。

本文大綱

一、先搞懂：Codex 的設定是兩個檔在分工

Codex 判斷「我現在在跟誰講話」靠兩份檔案，職責完全不同，搞混就會出現那種「看起來有接上、但行為怪怪的」狀態。

~/.codex/config.toml — 連線層。 決定 request 打去哪個 base_url、用什麼 wire protocol、授權怎麼帶。

~/.codex/models.json — 能力宣告層。 這才是關鍵。Codex 對每個模型都有一份 metadata：context window 多大、支援哪幾檔 reasoning effort、吃不吃圖片、apply_patch 用 freeform 還是 JSON、tool call 能不能並行、超長輸出怎麼截斷。這份 metadata 原本內建在 client 裡，而且只認得 OpenAI 自家的 slug。你硬塞一個 deepseek-v4-pro 進去，Codex 會退回一組保守預設值，於是你會看到：明明有 1M context 卻很早就觸發壓縮、reasoning effort 送出去被打回 400、或 log 裡出現 fallback model metadata / Unknown model。

model_catalog_json 就是用來覆蓋這份 metadata 的開關。DeepSeek 的做法是直接生成一份 models.json，把兩顆模型的能力照實宣告出來。挑幾個真正會影響日常使用的欄位：

{
  "slug": "deepseek-v4-pro",
  "display_name": "DeepSeek-V4-Pro",
  "context_window": 1048576,
  "max_context_window": 1048576,
  "effective_context_window_percent": 95,
  "default_reasoning_level": "high",
  "supported_reasoning_levels": [
    { "effort": "low",  "description": "Fast responses with lighter reasoning" },
    { "effort": "high", "description": "Extra high reasoning depth for complex problems" },
    { "effort": "max",  "description": "Maximum reasoning depth for the hardest problems" }
  ],
  "input_modalities": ["text"],
  "apply_patch_tool_type": "freeform",
  "supports_parallel_tool_calls": true,
  "web_search_tool_type": "text",
  "truncation_policy": { "mode": "tokens", "limit": 10000 },
  "minimal_client_version": "0.144.0"
}

三個要記住的點：

context_window: 1048576 搭配 effective_context_window_percent: 95——Codex 實際會用到約 99.6 萬 token 才開始處理壓縮。
input_modalities: ["text"]——沒有圖片。你貼截圖給 Codex debug UI 的那套工作流，換完就沒了。
minimal_client_version: "0.144.0"——client 太舊直接不用試。

還有一個容易被忽略、但很有意思的細節：這份 models.json 裡塞了完整的 base_instructions，開頭第一句是 You are Codex, an agent based on GPT-5.。也就是說，你換掉的是模型權重，harness 的人格 prompt 原封不動——DeepSeek 的模型會被要求扮演一個「基於 GPT-5 的 Codex」。這不是 bug，是刻意讓行為對齊；但如果你之後發現模型的自我描述很怪，你知道原因在哪了。

二、手把手：10 分鐘接起來

Step 0 — 前置檢查

# 1. 有 Codex CLI，且版本 >= 0.144.0
npm install -g @openai/codex
codex --version

# 2. 至少跑過一次，讓 ~/.codex/ 存在
codex

# 3. 去 platform.deepseek.com/api_keys 開一把 sk- 開頭的 key

腳本會擋人：偵測不到 codex 指令、也找不到 ChatGPT 桌面版，就直接中止；~/.codex/ 不存在（裝了但沒跑過）也會中止。這兩個檢查很有用，先做完再往下。

Step 1 — 一鍵腳本（推薦）

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

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

跑起來是個三選一選單：1 用 flash、2 用 pro、3 還原成安裝前的設定。API key 可以互動輸入，也可以先塞環境變數，避免留在 shell history：

export DEEPSEEK_API_KEY=sk-xxxxxxxx
bash <(curl -fsSL https://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.sh)

腳本會先把原本的 config.toml 備份到 ~/.codex/backup-deepseek/，附一份 manifest.txt 記錄「安裝前這個檔到底存不存在」，所以還原時不會留下一個你本來沒有的空設定檔。寫完之後它會用 Python 驗 models.json 是合法 JSON、驗 config.toml 能被 TOML parser 吃下且沒有重複 key（需要 Python 3.11+，沒有就跳過驗證只做基本檢查）。

curl | bash 這件事你要自己判斷。想先看再跑：curl -fsSL <url> -o setup.sh 讀完再執行——我就是這樣讀的，1037 行，邏輯不難追。

Step 2 — 手動設定（不想跑腳本的話）

~/.codex/config.toml：

model = "deepseek-v4-pro"
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 = "sk-你的金鑰"

models.json 建議還是讓腳本產——那份完整檔案含 base_instructions 有好幾百行，手抄容易漏欄位，而漏欄位的症狀往往是「靜默地跑錯」而不是報錯。

安全提醒：experimental_bearer_token 是明文寫在 config.toml。 如果你的 dotfiles 會進 git，記得把 ~/.codex/config.toml 排除掉。

Step 3 — 驗證有沒有真的生效

Codex CLI：啟動 banner 顯示 model: deepseek-v4-pro。
ChatGPT 桌面版：model picker 顯示 Custom（桌面版把所有本地設定的模型都叫 Custom，實際跑的是你設的那顆）。桌面版要完全結束再開，macOS 按 ⌘Q，關視窗不算。
失敗訊號：log 出現 fallback model metadata 或 Unknown model，代表 models.json 根本沒被載到，重裝。

Step 4 — 回滾

再跑一次同一支腳本，選 3。它會刪掉 models.json、從備份還原 config.toml（或在安裝前不存在時直接刪掉），再清掉備份目錄。桌面版一樣要完全結束再開。

三、腳本偷偷幫你刪掉的東西，才是真正的地雷清單

這是我讀腳本最大的收穫。它不是無腦覆寫，而是掃過你現有的 config.toml，把兩類設定移除，並在最後印出「改了你哪些東西」的清單。這份清單等於官方替你標好的雷區：

A 類：結構性衝突，會直接接不起來

profile：profile 會蓋掉 model / model_provider / model_catalog_json，腳本註解寫得很明白——這個版本不接受。
openai_base_url：全域 base_url 覆蓋，會把 request 劫走。
oss_provider

B 類：和 models.json 的宣告打架，症狀是靜默錯誤或 400

model_context_window、model_auto_compact_token_limit、model_auto_compact_token_limit_scope、base_instructions、model_instructions_file、compact_prompt、experimental_compact_prompt_file、service_tier、model_verbosity、model_reasoning_summary、plan_mode_reasoning_effort、experimental_use_unified_exec_tool。

翻成白話：只要 models.json 已經宣告過的東西，就別在 config.toml 再宣告一次。 你以前為了讓某個 proxy 能跑而手動塞的 model_context_window = 200000，現在會讓 1M context 白費。

C 類：wire_api 一定要是 responses

腳本會把 wire_api = "chat" 自動改成 "responses"，理由直接寫在它印給你的報告裡："chat" prevents Codex from starting in this version。這也是這次整合和以前那些 proxy 方案最大的差別——DeepSeek 是原生實作 Responses API，不是把 Responses 格式翻譯成 chat completions 再翻回來。少一層翻譯，tool call、reasoning、streaming 的行為才會穩。

四、另一條路：Claude Code 走 Anthropic 相容端點

同一把 key，DeepSeek 也開了 Anthropic 格式的端點，Claude Code 可以直接指過去：

export ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic
export ANTHROPIC_API_KEY=sk-你的金鑰
claude

模型名稱自動映射：Claude Opus 系列 → deepseek-v4-pro，Sonnet / Haiku 系列 → deepseek-v4-flash，認不出來的名稱一律 fallback 到 flash。

但這條路的功能損失明顯比 Codex 那條大。 官方文件列出的不支援項目包含：image content block、document content block、web search 與 code execution 的 tool result、MCP、container upload。支援的是 text content、tool use / tool result、thinking、streaming。

MCP 沒了，對很多人就是 deal breaker。所以如果你的目標是「拿 V4-Pro 跑 agentic coding」，Codex + Responses API 目前是完成度比較高的那條；Anthropic 端點比較像「讓既有 Claude SDK 程式碼能跑起來」的相容層。

五、數據：官方報了什麼、沒報什麼

架構數字來自 arXiv 論文《DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence》（arXiv:2606.19348，DeepSeek-AI，2026-04-26 投稿，作者列表超過 300 人）：

V4-Pro：1.6T 總參數、每 token 啟用 49B；V4-Flash：284B / 13B。
1M context，預訓練用了超過 32T tokens。
架構三個主要升級：混合注意力 CSA（Compressed Sparse Attention）+ HCA（Heavily Compressed Attention）、mHC（Manifold-Constrained Hyper-Connections） 強化殘差連接、優化器換成 Muon。
論文最實用的一句：在 1M context 設定下，V4-Pro 的單 token 推論 FLOPs 只需 V3.2 的 27%、KV cache 只需 10%。這才是 1M context 能被拿來日常用、而不只是規格表上一個數字的原因。

注意：這篇論文寫的是 preview 版。 8/13 上線的 GA 版（DeepSeek-V4-Pro-0813）官方沒有另發論文，只有 release notes 的分數。

GA 版 release notes 給的 agent 相關成績（DeepSeek 自評）：

Benchmark	V4-Pro (0813)	V4-Flash (0731)
Terminal Bench 2.1	87.9	82.7
NL2Repo	61.5	54.2
Cybergym	83.3	76.7
DeepSWE	62.7	54.4
Toolathlon-Verified	74.1	70.3
DSBench-FullStack	71.1	68.7
Agents' Last Exam	25.7	25.2

HLE 則是 42.7（無工具）/ 60.0（有工具）。HuggingFace model card 另外列了 SWE-bench Verified 80.6%。

這些數字要怎麼看： 全部是 DeepSeek 自己跑的，release notes 沒附對手分數，也沒說明 harness 設定與 reasoning effort 檔位。Terminal Bench 87.9 這種數字在自家 harness 上跑出來，跟你在 Codex 裡跑同一顆模型，中間隔著一整層 scaffolding 差異。當作「值得排進評估清單」的訊號可以，當作「換了就有 87.9」不行。真正該做的是拿你自己 repo 的幾個真實 task 跑一輪 A/B。

六、價格：這次是漲價，而且開始分峰谷

這是最容易被漏掉的部分。台北時間 8/17 00:00 起（文件英文版寫 8/16 16:00 UTC，同一個時刻），V4 系列改成峰谷計價。以 deepseek-v4-pro、每百萬 tokens、人民幣計：

項目	8/16 前	空閒時段	高峰時段
輸入（快取命中）	0.025 元	0.15 元	0.30 元
輸入（快取未命中）	3 元	4.5 元	9 元
輸出	6 元	13.5 元	27 元

美元計價的輸出價分別是 $0.87 → $1.98（空閒）／ $3.96（高峰）。高峰時段的輸出價是舊價的 4.5 倍，快取命中價漲了 12 倍。

高峰時段是北京時間 09:00–12:00 與 14:00–18:00——北京時間等於台北時間，所以就是你的上班時間，一分不差。

三個能立刻做的調整：

長跑批次排進空閒時段。 大型 refactor、全 repo 掃描、批次測試生成，排到晚上 18:00 後或午休 12:00–14:00，成本直接砍半。
重視 prompt cache。 快取命中價還是比未命中便宜 30 倍（0.15 vs 4.5），把穩定的 AGENTS.md、專案說明、大檔案放在 prompt 前段，別每次都動它。
model_reasoning_effort 別無腦開 max。 預設是 high，max 會顯著拉高輸出 token 數，而輸出是最貴的那一項。

七、什麼時候該換、什麼時候別換

該換：

你的工作流是純文字 + 大 repo：讀大量原始碼、跨檔案 refactor、寫測試。1M context 加上 27% FLOPs / 10% KV cache 的效率數字，是這次最有說服力的賣點。
你需要權重能自架：模型以 MIT license 開源，API 跑通的設定可以整套搬到自架推論上。
你想要成本可分級：low 拿來做重複性的機械修改（rename、格式、樣板），high 是預設主力，max 留給真的卡住的 debug。

別換：

你靠截圖 debug：input_modalities: ["text"]，圖片直接沒了。
你重度依賴 Claude Code + MCP：Anthropic 相容端點不支援 MCP。
你的團隊已經在吃 ChatGPT / Claude 訂閱的包月額度：那條路的邊際成本是零，換成 API 計價反而變貴。
你需要穩定的行為基準：0813 是新的 GA 版，post-training 才更新過，你既有的 prompt 與 AGENTS.md 調校成果不保證平移。

順帶一提，如果你想跳出「借用 Codex 當殼」的模式，DeepSeek 同時開源了自家的 agent harness deepseek-harness（CLI 叫 dsh，Node.js、MIT license，npx @deepseek-ai/dsh web 就能開），設計主張是「everything is a plugin」——model adapter、tool registry、session log、agent loop 全部可替換。但 README 自己標明是 developer preview 且會有破壞相容性的變更，現在拿去當團隊主力工具太早。

八、對工程團隊的意義

拆到最後，這件事真正的訊號不是「多一個便宜模型」，而是 agent 的三層開始可以獨立替換了。

Harness（Codex CLI）、scaffolding（models.json + AGENTS.md + 工具描述）、model（後端權重）——過去這三層是綁在一起賣的，你選了 Codex 就等於選了 OpenAI 的模型。現在 models.json 這個機制等於把「能力宣告」變成一份可攜的設定檔，誰都能填。

所以三件可操作的事：

把模型當可替換元件對待。 你的 AGENTS.md、skill、review checklist 是資產，模型是零件。設定檔進版控（記得排除 API key），換模型變成改一行。
建立你自己的 A/B 任務集。 選 5–10 個你 repo 裡真實發生過的 task（一個 bug fix、一個跨檔 refactor、一個測試補齊），固定 prompt，換後端跑一輪。這比任何 benchmark 都準。
成本監控要加上「時段」這個維度。 峰谷計價一上來，同一個任務在 10:00 跟 20:00 跑，帳單差一倍。這件事該進你的排程策略，不是進事後檢討。

最後誠實標一次邊界：上面所有設定與欄位行為，來自官方文件與安裝腳本原始碼；benchmark 數字是 DeepSeek 自評。真正的答案在你自己的 repo 上，跑完 A/B 再決定。