乐于分享
好东西不私藏

花了10块钱跑了一周AI编程助手,我决定把GPT订阅退了

花了10块钱跑了一周AI编程助手,我决定把GPT订阅退了

6月18日,OpenAI 做了一件很多人没想到的事:Codex 正式开放第三方模型接入。

以前用 Codex,只能跑 OpenAI 自家的 GPT-5.5。现在你可以自由选择 DeepSeek、Claude、Gemini 等任何兼容模型。Codex 负责人 Tibo 在 X 上公开确认:Codex 的桌面客户端、CLI 和 SDK 都支持任何开源模型。

这意味着什么?你不再需要 OpenAI 的付费订阅,用 DeepSeek 的 API 就能零成本跑起来。

下面我从配置到实测,完整走一遍。

Codex 是什么

Codex 是 OpenAI 出的 AI 编程 Agent,有三种用法:桌面客户端、命令行 CLI、SDK。

和 Cursor、Claude Code 类似,它的核心能力是自动读你的代码、改代码、跑测试。区别在于 Codex 更偏向 Agent 模式,你给一个任务,它自己规划步骤、执行、验证,而不是简单的代码补全。

现在 Codex 开放第三方模型后,它的定位变了:从一个"只能用 OpenAI 模型的客户端",变成了一个"模型中立的编程 Agent 平台"。你选什么模型,它就用什么模型干活。

为什么选 DeepSeek

三个理由。

第一,API 完全兼容。DeepSeek 的接口格式跟 OpenAI 一模一样,接入 Codex 不需要额外适配。

第二,价格是官方模型的几十分之一。看数据:

模型 输入价格(每百万 token) 输出价格(每百万 token)
DeepSeek V4 Flash ¥1 ¥2
DeepSeek V4 Pro ¥3 ¥6
GPT-4o ¥18 ¥72

DeepSeek V4 Pro 的输出价格是 GPT-4o 的 1/12。而且 5 月底刚宣布永久降价,这个价格不会再涨回去了。新用户还有赠送额度,充 ¥10 能用很久。

第三,中文和代码能力在线。DeepSeek V4 采用了稀疏混合专家架构,中文语义理解强,代码能力进入第一梯队。日常前端开发任务完全够用。

配置全流程:5 分钟跑起来

两种方式,选一个就行。

方式一:CC Switch(小白友好)

CC Switch 是一个开源的跨平台桌面工具,专门管理 AI 编程工具的模型配置。内置 50 多个供应商预设,点几下就能切换。

开源地址:https://github.com/farion1231/cc-switch安装。Mac 用户一行命令:

brew install --cask cc-switch

Windows 用户去 GitHub Releases 页面下载安装包。打开 CC Switch,左侧选 Codex。供应商选 DeepSeek,填入 API Key。点"应用",完成。

方式二:手动改 config.toml(极客向)

不喜欢多装一个工具?直接改配置文件也行。

Step 1:安装 Codex CLI

npm install -g @openai/codex

运行一次确认安装成功:

codex --version

Step 2:获取 DeepSeek API Key

去 DeepSeek 官网(platform.deepseek.com),注册账号,左侧 API Keys 页面创建一个 Key。

新用户有赠送额度,充 ¥10 就够用很久。

Step 3:修改配置文件

找到 ~/.codex/config.toml,修改以下字段:

[model]
name = "deepseek-v4-pro"

[api]
base_url = "https://api.deepseek.com/v1"
api_key = "sk-xxxxxxxxxxxxxxxx"

把 api_key 换成你自己的 Key,保存。

Step 4:验证

codex "用 React 写一个 TodoList 组件"

能正常输出代码就说明配好了。

实测效果:用前端项目跑一遍

配置好了,实际用起来效果怎么样?我用三个常见前端场景测了一下。

场景1:组件生成

提示词:用 React 写一个带搜索过滤的下拉选择组件,支持多选。

DeepSeek V4 Pro 一次生成了完整组件代码,包含搜索框、下拉列表、多选标签、清除按钮。结构清晰,可以直接用。

和官方模型比,差异主要在边界情况的处理上。GPT-5.5 会主动考虑键盘导航和 ARIA 无障碍属性,DeepSeek 需要你额外提醒。

场景2:Bug 修复

提示词:这个 useEffect 死循环了,帮我找出原因并修复。

贴了一段有依赖项问题的代码。DeepSeek 准确定位了问题:依赖数组里引用了每次渲染都会变化的对象。给出了修复方案,用 useMemo 包裹依赖。

这个场景 DeepSeek 表现不错,和官方模型差距不大。

场景3:代码重构

提示词:把这个 500 行的组件拆分成 3 个子组件,提取自定义 Hook。

这个场景差异比较明显。DeepSeek 能完成拆分,但对组件边界和状态管理的判断不如官方模型精准,有时需要二次调整。

总结:日常组件生成和 Bug 修复,DeepSeek 完全够用。复杂重构和架构级任务,官方模型更稳。考虑到价格差距,DeepSeek 的性价比很高。

3 个必踩的坑

坑1:Responses API 兼容性。Codex 从 2026 年 2 月起停用了旧版 Chat Completions API,改用 Responses API。如果你用的中转站只支持 /v1/chat/completions,不一定能跑通 Codex。DeepSeek 官方 API 两种都支持,所以直接用官方最稳。

坑2:长上下文掉链子。DeepSeek 的上下文窗口够大,但在多文件项目中,理解跨文件的依赖关系不如 GPT-5.5 准确。如果项目文件多,建议先把关键文件路径告诉 Codex,缩小它的理解范围。

坑3:Token 消耗错觉。单次调用 DeepSeek 确实便宜,但 Codex 的 Agent 模式会多轮调用:读代码、规划、执行、验证,一个任务可能跑 5-10 轮。总量加起来比你想的多。建议先用简单任务试水,观察几天实际消耗再决定充值金额。

零成本是起点,不是终点

Codex + DeepSeek 是目前零成本跑 AI 编程的最快路径。先用起来,跑通流程,感受一下 Agent 模式的效率提升。

等日常用熟了,你自然会知道哪些场景需要升级到更强的模型。到那时候,Codex 已经支持切换,你只需要改一行配置。

AI 编程工具不是选答题,是必答题。你现在不试,半年后一定会被逼着试。


专注前端开发,分享前端相关技术干货,公众号:南城大前端(ID: nanchengfe)

回首页,搜索你想要的文档

在首页搜索框输入关键词,快速定位资料

文库首页搜索指引 立即搜索

相关学习资料