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)