Codex 接入 DeepSeek-V4-Flash：还能补上识图，提供两套方案

大家好，我是程序员天天困。

很多人想 Codex 接入 DeepSeek-V4-Flash，图的是便宜 Agent 大脑。我之前写过成绩单拆解：DeepSeek V4 Flash 正式版：成绩碾压 Pro 预览版，白菜价——Agent 能打、价格白菜、还原生 Responses API，确实适合塞进 Codex。

硬伤也得说清：DeepSeek-V4-Flash 是纯文本模型，不能像多模态模型那样直接读图。 你扔张 UI 截图，让它「看看图里写了什么」，它识别不出来。

那有没有办法：一边用 Flash 做便宜又强的推理，一边让 Codex 还能处理图像？还真有。下面手把手把 CLI 和桌面端配通，再给两套识图方案。

点个收藏，咱们开始~

一、先准备 DeepSeek API Key

Codex 接第三方模型，第一步永远是 Key，不是改配置文件。

打开 DeepSeek 开放平台 注册登录，进入 API keys，新建一把 Key。创建时完整字符串只显示一次，当场复制存好；丢了只能作废重建。

Flash 输出约 2 元 / 百万 token，个人日常写码一般够用。

二、Codex CLI 配置 DeepSeek

Codex CLI：OpenAI 出的终端侧 AI 编程助手，你在项目目录里跟它对话，它能读写文件、跑命令、改代码。你可以把它理解成「住在终端里的结对程序员」。

先确保本机有 Node.js，没有就去官网装个 LTS。然后全局安装：

npm install -g @openai/codex

装完输入 codex 能进对话界面就算成。首次启动会要你登录 OpenAI 账号——没订阅也没关系，接下来我们直接切到 DeepSeek。

重要前置：CLI 或桌面端至少启动过一次，让 ~/.codex（Windows 是 %USERPROFILE%\.codex\）目录先生成出来。官方脚本要往里面写文件，目录不存在会直接翻车。

1）一键脚本（推荐）

官方文档 写明：目前只有 deepseek-v4-flash 支持接 Codex；deepseek-v4-pro 预计 2026 年 8 月初跟上。

Windows 用 PowerShell：

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

Mac / Linux：

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

脚本起来后选模型（Flash 选对应序号）

再粘贴 API Key。它会备份旧配置、写 models.json、改 config.toml，还做语法校验——写坏了会中止，不会把你现有 MCP、项目信任配置整没。

可能有人会问：以前改个 Base URL 为什么老 404？

以前卡在协议。Codex 走 Responses API，不少国内接口只聊 Chat Completions，两边不是同一套方言。Flash 这次原生支持 Responses，wire_api = "responses" 就能直连，不必再起本地协议翻译层。

配置完重开 Codex，启动横幅出现 deepseek-v4-flash（或你选的模型名），就说明 CLI 配通了。

2）不想跑脚本就手动改

两步。第一步在 ~/.codex/ 下建 models.json，内容直接复制官方文档展开块（里面带 Flash / Pro 元数据：百万级上下文、low/high/max 推理档等）。

第二步编辑同目录 config.toml：

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 = "<你的 DeepSeek API Key>"

关键就一行：wire_api = "responses"。Token 换成自己的 Key。保存后重启 Codex，效果和脚本一致。

想切回官方模型，再跑一遍脚本，菜单里选恢复即可。

三、Codex 桌面端换模型不用重配

ChatGPT / Codex 桌面端、VS Code 的 Codex 插件，跟 CLI 读的是同一套 ~/.codex。 你在 CLI 配好 Flash，桌面端一般不用再填一遍。

打开桌面端后，模型选择器在 Mac 上常显示为 Custom；Windows 上可能是 Custom，也可能直接显示 DeepSeek-V4-Flash。看到 Custom 别慌——实际跑的就是你在配置里指定的 DeepSeek 模型。

有个小坑我踩过：切到第三方 API 之后，以前用 ChatGPT 订阅攒的会话列表像「消失」了。其实没删，只是 Codex 按登录方式分组展示。恢复旧配置，旧会话回来；DeepSeek 会话则反过来隐藏。换完记得重启客户端。

到这里，Codex 接入 DeepSeek-V4-Flash 的主链路算走通了：CLI 写代码、桌面端聊需求，账单走 DeepSeek。

四、Flash 为啥自己看不了图

官方 models.json 里写得很直白：Flash 的 input_modalities 只有 text，supports_image_detail_original 为 false。翻译成人话——眼睛没装，不是你不会用。

编程场景里看图其实挺刚需：对照 Figma 截图还原布局、根据报错弹窗找原因、读一下产品给的 UI 稿。主模型继续用 Flash 省钱没问题，但「看」这件事得外包。

思路像工地分工：Flash 当工头负责推理和改代码，旁边再雇一个专职看图的人，把画面翻译成文字交回去。下面两套方案，本质都是这件事。

五、方案一：vision-skill + qwen3-vl-flash（推荐）

Vision Skill：给没有原生识图能力的主模型外挂「眼睛」的技能包——读本地/网络图片，调视觉 API，把描述塞回对话。开源仓库：asuojun/claude-vision-skill。

视觉模型我选的是通义千问的 qwen3-vl-flash：专门负责看图的 VL 模型，日常读 UI / 截图够用。官方按 token 计费（输入 0.15 元 / 百万 tokens，输出 1.5 元 / 百万 tokens），不是按张标价；我这边日常丢一张截图识图，账单大概落在 0.02 元/次左右。阿里这边更大的文本旗舰我之前写过：Qwen3.8 突然上线：2.4T、自评仅次于 Fable 5，千问想干什么——那是另一条产品线；识图别拿纯文本旗舰硬顶，用 VL 系列。

百炼控制台拿一把 DashScope API Key，然后在已经接好 Flash 的 Codex 里直接丢这段话（把 Key 换成你自己的）：

全局安装 vision-skill，按 https://github.com/asuojun/claude-vision-skill 的 README 帮我配置识图

- 视觉模型用通义千问的 qwen3-vl-flash
- API Key 为 <使用你自己的 API Key>

按 README，AI 一般会把 vision.js 配好、把触发说明写进技能目录；之后你直接发图片路径或附件，它应自动走视觉模型，而不是瞎猜像素。

如果 GitHub 拉不动，先本地 clone 再让 Codex 读本地 README：

git clone https://github.com/asuojun/claude-vision-skill.git

为什么我推荐方案一：现成、可复用、Skill 机制跟 Codex 工作流合拍，维护成本低。你平时不怎么看图也可以先跳过，用到再装，不耽误写代码。

六、方案二：让 Codex 自写识图插件

有人不想依赖第三方 Skill，或者想把链路完全捏在自己手里——可以让 Codex 直接写一个「读图插件」。

原理不神秘：图片先编成 base64 → 调用 VL 视觉模型（同样建议 qwen3-vl-flash）→ 拿回文字描述 → 塞给主模型 DeepSeek-V4-Flash 继续推理、改代码。主模型始终只吃文本，视觉模型只负责「看」。

你可以在 Codex 里用类似需求开干（按你项目结构改路径）：

帮我写一个 Codex 可用的识图插件：
1. 读取本地图片或用户附件，转成 base64
2. 调用阿里云百炼 OpenAI 兼容接口，模型用 qwen3-vl-flash
3. 把视觉模型返回的文字描述交给当前主对话（DeepSeek-V4-Flash）继续处理
4. 用环境变量放 API Key，不要把密钥写死进仓库

这套的好处是可控：超时、压缩、提示词模板、日志，你都能改。坏处也明显——你要自己扛兼容性、升级和权限问题。Flash 版本一变、Codex Skill/插件接口一改，可能得跟着重写。

说真的，除非你明确要定制，否则别一上来就走方案二。先把方案一跑通，再决定要不要自建。

七、两套方案怎么选，以及跑通长什么样

先把选择标准钉死：

方案	适合谁	优点	代价
方案一 vision-skill	大多数人（我推荐）	安装快、跟 Skill 生态一致	依赖开源仓库与百炼 Key
方案二 自写插件	想完全自控链路的人	可定制、可内嵌团队规范	自己维护，升级要跟

日常写码 + 偶尔看截图：直接方案一。 方案二留给「我就要自己管管道」的场景。

配好之后，丢一张界面图给 Codex，让它描述布局或指出明显问题——如果视觉模型回了靠谱描述，主模型又能据此改代码，就说明「Flash 推理 + 外挂识图」这条组合拳打通了。

OK，收束一句：Codex 接入 DeepSeek-V4-Flash 解决的是「便宜又强的 Agent 大脑」；识图外包解决的是「眼睛」——两件事别绑死在同一个模型上。 把主链路和识图外挂都配齐，日常写码才算完整。

官方接入文档会随版本更新，配置以 DeepSeek Codex 集成页 为准；vision-skill 以仓库 README 为准。

---

我是程序员天天困，持续分享编程干货。觉得有用的话记得点赞收藏和关注~也欢迎在评论区聊聊：你这边 Codex 接入 DeepSeek-V4-Flash 之后，识图会选 vision-skill 还是自己写插件？