DeepSeek V4 直連 Codex 現已涵蓋 Flash 與 Pro。 2026 年 8 月 13 日，Pro 也加入支援。兩款模型都能使用原生 Responses API。本機協定代理因此可以退場。團隊接下來要處理共用設定、明文 API Key、模型成本與復原測試。

這次更新改變了原本的選型邏輯。7 月 31 日只有 V4 Flash 正式支援 Codex。8 月 13 日推出的 V4 Pro 正式版也加入相同能力。團隊現在要判斷兩款模型各自適合哪些任務。

為什麼原生 Responses API 值得在意

Codex 的自訂供應商介面目前只接受 Responses。OpenAI 原始碼會拒絕 wire_api = "chat"。設定必須改用 responses。DeepSeek V4 先前只提供 Chat Completions。使用者通常要在本機執行轉譯代理。官方端點現在能直接接收 Responses，架構少了一層。

過去：Codex → 本機協定代理 → DeepSeek Chat Completions
現在：Codex → DeepSeek Responses API

代理退場後，責任邊界變清楚。串流中斷或工具格式錯誤時，不必先判斷是哪一側轉譯失真。API Key 也不再經過額外服務。這些差異不會出現在排行榜，卻會左右長任務的穩定度。

先看清楚 Flash 與 Pro 的邊界

DeepSeek 在 8 月 14 日公開最新規格。兩款模型已放進同一套 Codex 目錄。最大上下文都是 1,048,576 tokens。最大輸出為 384K tokens。輸入限文字，推理強度可選 low、high 或 max。官方目錄要求 Codex 客戶端至少為 0.144.0。

項目 DeepSeek V4 Flash 0731 DeepSeek V4 Pro 0813
Terminal Bench 2.1 82.7 87.9
DeepSWE 54.4 62.7
Toolathlon-Verified 70.3 74.1
目前快取命中輸入價／百萬 tokens $0.0028 $0.003625
目前未命中輸入價／百萬 tokens $0.14 $0.435
目前輸出價／百萬 tokens $0.28 $0.87
API 同時連線上限 2,500 500

這些 benchmark 都是 DeepSeek 公布的供應商評測。Flash 的程式碼 Agent 測試使用 DeepSeek Harness 極簡模式。該 Harness 尚未公開。測試採用 max 推理強度與 temperature = 1.0。top_p 是 0.95。分數適合決定誰先進試點，無法取代自家儲存庫的回歸測試。

價格也即將改變。新價格在 2026 年 8 月 17 日 00:00 生效。DeepSeek 屆時改採尖峰與離峰計價。離峰是尖峰的一半。臺北時間的尖峰是 09:00–12:00 與 14:00–18:00。

模型與時段 快取命中輸入／百萬 tokens 未命中輸入／百萬 tokens 輸出／百萬 tokens
Flash 離峰 $0.007 $0.22 $0.66
Flash 尖峰 $0.014 $0.44 $1.32
Pro 離峰 $0.022 $0.66 $1.98
Pro 尖峰 $0.044 $1.32 $3.96

如果工作負載能排程，時段本身會成為成本控制的一部分。Flash 適合大量讀檔、搜尋與低風險修改。Pro 比較適合架構判斷、跨模組除錯與最後驗證。這是部署起點，仍要用團隊自己的成功率與重試成本調整。

最穩妥的安裝方式是保留可復原邊界

Codex 的三個客戶端共用 ~/.codex。它們是 CLI、ChatGPT 桌面版與 VS Code 擴充功能。供應商切換會同時影響三者。操作前先完全退出它們，確認 Codex 至少啟動過一次，並備份目前設定。

想先隔離測試，可以準備另一個目錄。再讓官方腳本透過 CODEX_HOME 寫入。

export DEEPSEEK_CODEX_TEST_HOME="$HOME/.codex-deepseek-test"
mkdir -p "$DEEPSEEK_CODEX_TEST_HOME"
CODEX_HOME="$DEEPSEEK_CODEX_TEST_HOME" \
  bash <(curl -fsSL https://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.sh)

若要直接修改既有環境，macOS 或 Linux 使用以下官方指令。

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

Windows PowerShell 使用以下指令。

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

目前腳本選單的 1 是 Flash，2 是 Pro，3 是還原。首次安裝會備份 config.toml。接著建立含兩款模型的 models.json。腳本也會加入 DeepSeek 供應商，並先驗證 TOML 與 JSON。再次執行時，可只切換模型或還原原設定。

腳本也支援從 DEEPSEEK_API_KEY 讀取 Key。這能避開互動輸入，但別把 export 指令寫進版控。官方設定仍會寫入 experimental_bearer_token。Key 會成為 config.toml 裡的明文。組織若禁止磁碟明文憑證，應先在隔離環境審查。

手動設定不能只改 base_url

需要逐欄審查的團隊，可從官方整合頁複製完整 models.json。接著加入配套的供應商設定。以下只顯示核心欄位，不取代完整模型目錄。

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 = "<YOUR_DEEPSEEK_API_KEY>"

要改用 Pro，只更換頂層 model。

model = "deepseek-v4-pro"

完整模型目錄還定義工具格式、推理強度與壓縮門檻。它也設定平行工具呼叫與基礎指令。只填模型名和網址，可能讓文字回覆正常，長任務卻在中途失敗。

驗收要證明傳輸、工具與復原都成立

桌面版顯示 Custom 不代表設定失敗。DeepSeek 官方文件說，macOS 會顯示 Custom。Windows 可能顯示 Custom 或模型名稱。真正可靠的驗收分成四層。

  1. 設定層：確認 config.toml 指向預期模型。wire_api 必須是 responses，且 models.json 能解析。
  2. 傳輸層：在 DeepSeek Platform 用量紀錄尋找新請求。時間應與測試一致。
  3. Agent 層：交付一個小任務。它必須搜尋、讀檔、修改並執行測試。
  4. 復原層：執行官方腳本的還原選項。重新啟動客戶端，確認 ChatGPT 登入與舊工作階段回來。

不要問模型「你是誰」來判斷供應商。模型可能照著 models.json 的基礎指令回答自己是 Codex。這只能證明它讀到提示，無法證明請求送往哪裡。帳務紀錄與請求時間才是較硬的證據。

團隊採用時，把切換當成設定遷移

官方腳本會保留 MCP 伺服器與專案信任設定。它會移除與 DeepSeek 模型目錄衝突的欄位。還原則把 config.toml 回復到安裝前備份。後續手動變更可能跟著消失。

第三方切換器可以管理多組快照，也會取得讀寫憑證和設定的權限。採用前至少要檢查 Key 存放位置、寫回檔案清單、差異檢視與完整復原。省下手動步驟，代價是多一個必須信任的元件。

我的建議很保守。先用隔離的 CODEX_HOME 跑完設定、傳輸、工具、成本與復原。測試通過後，再決定是否換掉主力環境。原生 Responses 已移除協定翻譯層。剩下的風險都看得見，也都應該逐項驗證。

常見問題

DeepSeek V4 Pro 如何接入 Codex？

可以。DeepSeek 在 2026 年 8 月 13 日推出 V4 Pro 正式版。新版同步加入 Responses API 與 Codex 支援。官方腳本現在可在 Flash 與 Pro 之間切換。

應該選 Flash 還是 Pro？

先用 Flash 承擔大量低風險任務。架構決策、困難除錯與最後驗證可交給 Pro。再用成功率、重試次數與總 token 成本校正。供應商 benchmark 無法替你決定。

桌面版顯示 Custom 是否代表失敗？

不一定。請確認 Codex 啟動畫面與 DeepSeek 用量紀錄。再跑一個完整 Agent 任務。介面標籤只能當提示。

切換後如何找回舊對話？

DeepSeek 說 Codex 會依登入方式分組顯示工作階段。還原原設定並重新啟動客戶端後，訂閱工作階段應重新出現。

手動設定需要哪些檔案？

不建議。Codex 需要 Responses 協定與完整模型中繼資料。使用官方腳本，或完整建立官方 models.json 與配套設定。

引用來源

Author Insight

我在 Agent 導入案裡最怕請求經過太多層。模型偶爾答錯還能重跑，無法定位錯誤才難處理。協定直連把這類模糊地帶拿掉。憑證、共用設定與復原責任也直接落回工程團隊手上。

Tenten 的 AI Agent 導入專案會共用一份驗收表。內容涵蓋設定差異、工具回歸、權限邊界與成本。與 Tenten 討論 Agent 導入驗證

Share this post
Ewan Mak

I'm a Full Stack Developer with expertise in building modern web applications that fast, secure, and scalable. Crafting seamless user experiences with a passion for headless CMS, Vercel and Cloudflare

Loading...