7 月 31 日DeepSeek 悄然上线了 DeepSeek-V4-Flash 正式版 API 公测最大亮点不是参数而是它原生支持 OpenAI Responses API并专门针对 Codex 做了适配——这意味着 Codex CLI、ChatGPT 桌面端、VS Code Codex 扩展这三端一次配置就能直接调用 DeepSeek 模型不再需要任何第三方桥接层。下面把为什么这件事重要和怎么接一次讲透。 关键限定目前仅“deepseek-v4-flash” 支持接入 CodexV4-Pro 预计 2026 年 8 月初跟进。本次更新也只覆盖 V4-Flash 的 API普通用户打开 DeepSeek App 或 Web 端的体验和昨天一样。这次发布到底更新了什么DeepSeek 官方更新日志写得很清楚V4-Flash-0731 的模型结构、尺寸和 V4-Flash-Preview 完全一致MoE 架构总参数 284B / 激活 13B仅仅重新做了后训练。但 Agent 能力的跃升幅度相当惊人基准测试 V4-Flash 正式版Terminal Bench 2.1 82.7NL2Repo 54.2Cybergym 76.7DeepSWE 54.4Toolathlon verified 70.3DSBench-FullStack 68.7DSBench-Hard 59.6数据来源DeepSeek 官方更新日志。一个 13B 激活的轻量模型在 Agent 编程基准上跑出了逼近甚至超越 3 个月前 V4-Pro-Preview 的分数。这说明后训练阶段对 Agent 能力的杠杆效应可能比单纯堆参数更大——这也是这次发布在技术上最值得关注的信号。原生接入 Codex 的真正意义Codex 是 OpenAI 旗下的代码 Agent 产品族覆盖 CLI、IDE 插件、桌面端三端。过去要让非 OpenAI 模型跑在 Codex 上通常需要 Moon Bridge 之类的第三方桥接工具——配置复杂、性能有损耗、维护成本高。V4-Flash 这次原生兼容 OpenAI Responses API也就是 Codex 与模型通信的协议相当于把人人都能用得起的 Agent从口号变成了默认选项零桥接不再需要维护中转层配置成本大幅降低零迁移成本“base_url” 不变把“model” 切到“deepseek-v4-flash” 即可三端覆盖Codex CLI、ChatGPT 桌面端、VS Code Codex 扩展共用同一份“~/.codex/config.toml”价格冲击V4-Flash API 定价约 $0.14/百万 token 输入对比 OpenAI 自家旗舰模型几十倍的价格差距生态卡位DeepSeek 把 Flash 而不是 Pro 先推上 Codex 生态是先占开发者工具链、再刷榜的策略——Pro 的 Responses API 支持预计 8 月初才跟进这是分阶段的生态铺设 对独立开发者、小型团队、教育场景而言DeepSeek V4-Flash Codex是目前性价比最高的代码 Agent 组合之一。接入 Codex 完整教程前置条件已安装 Codex CLI 或 ChatGPT 桌面端并且至少启动过一次这样“~/.codex” 目录才会被创建一个 DeepSeek API Key去 https://platform.deepseek.com/ 获取格式为“sk-” 开头方式一一键脚本推荐macOS / Linux 终端执行bash (curl -fsSL https://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.sh)Windows PowerShell 执行irm https://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.ps1 | iex脚本会自动完成四件事备份现有配置到“~/.codex/backup-deepseek/”随时可还原写入模型目录“~/.codex/models.json”向 Codex 声明 DeepSeek 模型的元数据上下文窗口、推理档位、工具调用格式修改“~/.codex/config.toml”只改写必要字段并新增 provider 配置保留你原有的 MCP server 和项目信任级别语法校验写入前校验“config.toml” 和“models.json”校验失败会中止且不修改任何文件菜单里选“deepseek-v4-flash”首次运行会要求填入你的 DeepSeek API Key。方式二手动配置如果你希望完全掌控配置可以手动编辑两个文件。“~/.codex/config.toml”model “deepseek-v4-flash”model_provider “deepseek”preferred_auth_method “api_key”forced_login_method “api_key”model_reasoning_effort “xhigh” # 推理强度low / medium / high / xhigh[model_providers.deepseek]name “DeepSeek”base_url “https://api.deepseek.com/v1”wire_api “responses” # 关键告诉 Codex 用 Responses API 协议通信experimental_bearer_token “sk-你的DeepSeekAPIKey”字段说明“model”默认使用的模型填“deepseek-v4-flash”“model_provider”必须与下方“[model_providers.***]” 的段名匹配“wire_api “responses””指定通信协议为 Responses API这是原生适配的核心“model_reasoning_effort”推理投入程度越高效果越好但响应越慢“experimental_bearer_token”直接把 API Key 写在配置文件里“~/.codex/models.json”模型元数据目录{“models”: [{“id”: “deepseek-v4-flash”,“name”: “DeepSeek V4 Flash”,“context_window”: 1000000,“reasoning_effort”: [“low”, “medium”, “high”, “xhigh”]}]}验证接入是否成功配置完成后三端共用同一份配置无需分别设置Codex CLI进入项目目录运行cd /path/to/my-projectcodex启动横幅显示“model: deepseek-v4-flash”或你选择的模型即配置生效。横幅上模型名后面跟的是推理档位如“xhigh”由“config.toml” 里的“model_reasoning_effort” 决定。ChatGPT 桌面端模型选择器显示 “Custom” 即配置生效桌面端会把所有本地配置的模型统一显示为 “Custom”实际使用的是你选定的 DeepSeek 模型。VS Code Codex 扩展与 Codex CLI 共享同一份配置安装扩展后即可直接使用。常见问题⚠️ Windows 用户注意Codex CLI 对 Windows 的原生支持仍是实验性质如遇不稳定建议使用 WSL2 环境或直接安装 Codex 桌面客户端 / VS Code 扩展。“~/.codex” 目录不存在先启动一次 Codex CLI 或 ChatGPT 桌面端让它生成目录再跑脚本想保留原有配置一键脚本会自动备份到“~/.codex/backup-deepseek/”也可以手动“cp ~/.codex/config.toml ~/.codex/config.toml.bak.$(date %Y%m%d-%H%M%S)” 做带时间戳的备份V4-Pro 用户目前还不能在 Codex 里用预计 2026 年 8 月初 V4-Pro 正式版发布后会跟进 Responses API 支持一个被低估的战略动作大多数新闻把Codex 适配当成一句技术注脚但它其实是这一轮更新里战略意义最大的动作。Codex 的生态位很特殊它是 OpenAI 把代码 Agent产品化的核心载体三端覆盖、用户基数大。DeepSeek 用 V4-Flash 正式版率先原生适配等于把 OpenAI 自家生态的 Agent 应用低成本平移到了 DeepSeek 平台上——OpenAI 写的客户端跑的是 DeepSeek 的模型。这件事的后续影响可能会比跑分更深远开发者用脚投票的成本降到零“base_url” 不变、改个“model” 名就行开源 低价 原生 API 适配 开发者生态虹吸独立开发者、小团队、教育场景几乎会无条件转向Pro 跟进只是时间问题8 月初 V4-Pro 正式版若也开放 Responses API那将是完整的双模型 Codex 生态组合拳对于想立刻上手的用户现在就能把 V4-Flash 塞进自己的开发流水线让它帮你写代码、查 Bug甚至完成简单的项目搭建——而你要做的只是跑一行脚本。