免费用Codex：CCX+DeepSeek替代方案五分钟搞定

前言

Codex是OpenAI推出的AI编程助手，最近热度很高，但国内用户想用上它并不容易——注册需要国外手机号，每月还要掏20美元订阅费。那有没有办法零成本、不挂魔法就用上Codex？

还真有。通过开源中间件CCX，把Codex的请求转发给DeepSeek，就能在国内零门槛使用。下面这套方案来自B站UP主「Web3村长」的分享，我把完整配置流程整理在这里。

下载的速度很快

我们打开CCX这个网关

比如说我设置一个GPT5.5

核心原理：CCX充当「翻译官」

Codex原本只认OpenAI的接口协议，上个月OpenAI又更新了协议，导致国内模型没法直接对接。CCX这个开源工具干的事情就像翻译官：

Codex发出请求 → CCX翻译成DeepSeek能理解的格式
DeepSeek返回结果 → CCX再翻译回Codex能接收的格式
整个过程不经过OpenAI服务器，不需要魔法环境，也不需要GPT账号

这种「本地网关转发」的方案，既保留了Codex的交互体验，又利用了DeepSeek的低成本优势。

技术背景：API网关与协议适配

所谓「API网关」是微服务架构中的经典设计模式，它作为客户端与后端服务之间的中间层，负责请求路由、协议转换、负载均衡等功能。在传统后端开发中，Kong、Nginx、Envoy等都是常见的API网关实现；而在AI领域，各家大模型厂商虽然大多参考了OpenAI的Chat Completions API格式，但在具体实现上存在差异——比如模型名称、参数字段、流式响应（SSE，Server-Sent Events）的数据块格式、函数调用（Function Calling）的JSON Schema结构、以及上下文窗口的token计算方式等都不完全一致。

OpenAI在2025年对其API协议进行了一次较大更新，引入了新的认证机制（从简单的Bearer Token演变为更复杂的多层验证）和请求头格式，同时对流式响应的事件结构也做了调整。这使得原本通过简单替换BaseURL就能对接国产模型的方式彻底失效了——即使你把API地址指向DeepSeek，Codex发出的请求格式也不是DeepSeek能直接解析的。

CCX的核心工作就是在本地127.0.0.1上启动一个HTTP服务（通常监听在某个固定端口如8080），拦截Codex发出的所有API请求，将新版协议格式「降级」或「转译」为DeepSeek兼容的标准OpenAI格式（即2024年之前的经典Chat Completions格式），再将响应结果按Codex期望的新结构返回。整个数据流完全在本地和国内网络中完成，不涉及任何境外服务器通信。从网络拓扑上看，数据路径是：Codex客户端 → localhost网关（CCX） → DeepSeek国内API服务器，全程走国内网络，延迟通常在100-300ms之间。

三步配置教程

第一步：下载安装Codex

直接去Codex官网下载Windows版本，安装包大约500多MB，下载速度还行。双击运行，等待自动安装完成即可。

安装完成后，Codex会弹出GPT登录提示——直接关掉，不需要登录任何账号。

Codex是什么？

这里说的Codex是OpenAI在2025年推出的独立桌面端AI编程助手应用，不要和早期的Codex API（基于GPT-3微调的代码生成模型，已于2023年3月下线）混淆。早期的Codex API是GitHub Copilot背后的核心模型，而现在这个Codex桌面应用则是一个全新的产品形态。

它的定位是一个「AI结对编程伙伴」，可以理解为ChatGPT的编程专用增强版——支持代码生成、调试、重构、解释，并且能直接读取本地项目文件进行上下文感知的代码建议。它的核心差异化能力在于「项目级理解」：不同于简单的代码补全，Codex可以索引你整个项目的文件结构、依赖关系和代码风格，从而给出更贴合项目上下文的建议。

与GitHub Copilot主要嵌入IDE不同，Codex是一个独立应用，拥有自己的对话界面和项目管理能力。在当前AI辅助编程的竞争格局中，Codex、Cursor、Windsurf、GitHub Copilot、Augment等产品各有侧重：Copilot强在IDE内联补全和广泛的编辑器支持，Cursor强在将AI深度集成到代码编辑器的每个操作环节（如Cmd+K编辑、多文件重构），Windsurf（原Codeium）强在免费策略和轻量体验，而Codex则强调对话式的任务驱动开发模式——你描述一个需求，它帮你规划实现步骤并逐步生成代码。

第二步：获取DeepSeek API密钥

前往DeepSeek开放平台（platform.deepseek.com）注册账号，充值少量金额后：

点击左侧菜单的「API-Key」
点击「创建」，随便输个名称
保存生成的API Key（创建后可以长期使用）

DeepSeek的API价格比OpenAI低得多，V4 Flash模型更是便宜到几乎可以忽略，拿来日常开发很合适。

DeepSeek的技术定位与成本优势

DeepSeek（深度求索）是国内头部AI实验室之一，由量化私募巨头幻方量化创始人梁文锋于2023年创立，其技术路线以「高性能低成本」著称。DeepSeek V4系列模型采用了MoE（Mixture of Experts，混合专家）架构——这是一种将大模型拆分为多个「专家子网络」的设计，每次推理时通过一个门控网络（Gating Network）只激活其中最相关的少数几个专家来处理当前输入。这意味着模型虽然总参数量可能达到数千亿，但每次实际参与计算的「活跃参数」只有总量的十分之一甚至更少，从而大幅降低了单次推理的计算成本和延迟。

具体到价格对比：OpenAI GPT-4o的API定价约为每百万输入token 2.5美元、输出token 10美元；而DeepSeek V4 Flash的定价折合人民币约为每百万输入token 0.8元、输出token 2元——差距在数十倍以上。即使是能力更强的V4 Pro，价格也仅为GPT-4o的几分之一。对于日常编程辅助这种高频调用场景（一次对话可能消耗数千到数万token），这个成本差异意味着你可以用几块钱人民币完成原本需要几十美元才能做的事情。

实际使用中，充值10元人民币，在正常开发强度下（每天进行十几轮代码对话）可能用上一两个月都花不完。这也是为什么这套方案被称为「零成本」——虽然严格来说不是完全免费，但成本低到可以忽略不计。值得一提的是，DeepSeek在代码生成相关的基准测试（如HumanEval、MBPP、SWE-bench等）上的表现已经非常接近甚至部分超越GPT-4级别，所以「便宜」并不意味着「差」。

第三步：安装配置CCX网关

这步最关键。去GitHub下载CCX（当前最新版本为2.8.20）：

选Windows 64位的exe版本，大约17MB
安装时如果弹出「Windows电脑保护」提示，点「更多信息」→「仍要运行」
安装完成后打开CCX，点「完成配置并启动」

配置Codex连接：

在CCX界面的Codex配置区域，下拉框选择「CCX本地网关」，然后点「应用配置」→「确认应用」。

配置DeepSeek渠道：

点左侧「渠道中心」
在「添加目标」下拉框选择Codex
BaseURL保持默认不动
填入刚才申请的DeepSeek API Key
点「添加到CCX」

配置完成后重新打开Codex，它会直接进入对话界面，不再要求登录。输入「你是谁」测试一下，能收到回复就说明配好了。

模型映射：区分Pro和Flash

DeepSeek目前有两个主力模型，用途不太一样：

模型	特点	适用场景
DeepSeek V4 Pro	能力更强，价格较高	复杂编程任务
DeepSeek V4 Flash	速度快，价格极低	日常开发事务

不过Codex界面里只显示GPT系列的模型名称，没法直接选DeepSeek模型。解决办法是在CCX里做模型映射：

打开CCX管理界面 → Codex标签，找到渠道编辑
默认配置里，「GPT」对应DeepSeek V4 Pro，「mini」对应V4 Flash
你也可以自定义名称，比如用「GPT5.5」代表Pro，「GPT5.4」代表Flash

在Codex里切换这些自定义模型名，就能灵活选择用哪个DeepSeek模型了。

模型映射（Model Routing）的技术逻辑

模型映射本质上是API网关中的「路由规则」——当网关收到一个请求，其中model字段为"gpt-4o"时，网关根据预设的映射表将其替换为"deepseek-v4-pro"，然后转发给DeepSeek的API端点。这种设计模式在AI中间件领域非常普遍，比如One API、New API、AI Gateway等开源项目都实现了类似功能，它们统称为「AI模型聚合网关」或「LLM Router」。

之所以需要这层映射，是因为Codex客户端的模型选择列表是硬编码的——它只认识OpenAI自家的模型名称（如gpt-4o、gpt-4o-mini等），无法通过界面添加自定义模型。这是很多AI产品的常见做法：客户端与自家后端紧密耦合，防止用户轻易切换到第三方服务。通过在网关层做名称替换，用户可以在不修改客户端代码的情况下，将请求透明地路由到任意兼容的后端模型。

这也意味着，如果未来你想换用其他国产模型（如通义千问Qwen、Kimi、智谱GLM、百川等），只需在CCX中修改映射规则和对应的API Key即可，Codex端完全无感。甚至你可以配置多个后端模型做负载均衡或故障转移——比如DeepSeek服务繁忙时自动切换到备用模型，这在生产环境中是很实用的高可用策略。

使用注意事项

CCX必须保持运行。 每次用Codex之前，先确认CCX网关已经启动。建议在CCX设置里开启「开机自启」，省得每次手动开。如果CCX意外关闭，Codex会因为无法连接到本地网关而报错，此时只需重启CCX即可恢复。

通过网关监控验证配置。 CCX上方有个「网关监控」入口，点进去可以看到每次请求实际调用了哪个模型、消耗了多少token、响应耗时多长，方便确认映射是否生效，也便于排查问题。

注意成本控制。 日常使用建议默认挂V4 Flash，只有碰到复杂任务时再切Pro，这样API费用基本可以忽略不计。你可以在DeepSeek平台的用量统计页面随时查看消费明细。

关于数据安全的补充说明。 使用这套方案时，你的代码和对话内容会发送到DeepSeek的服务器进行推理处理。虽然DeepSeek的隐私政策声明不会将用户通过API调用提交的数据用于模型训练（这一点与通过网页端免费使用不同——网页端对话默认可能被用于改进模型），但如果你的项目涉及高度敏感的商业代码、客户数据或机密信息，仍需评估数据外传的风险。

对于企业级使用场景，有几种更安全的替代方案：一是使用DeepSeek的私有化部署方案（需要较高的GPU硬件投入）；二是通过Ollama、vLLM等工具在本地运行DeepSeek的开源版本模型（如DeepSeek-Coder-V2等），配合CCX的自定义BaseURL功能指向本地推理服务，实现完全离线、数据不出内网的AI编程辅助。当然，本地部署的模型在能力上通常不如云端的满血版本，需要在安全性和效果之间做取舍。

总结

这套方案的核心价值就一句话：用极低成本体验Codex的完整工作流。

Codex确实是目前比较强的AI编程助手，但20美元一个月的门槛把不少人挡在了外面。通过CCX加DeepSeek的组合，你可以先花几块钱试试水，看看Codex到底能不能提升开发效率，再决定要不要订阅官方服务。

从更宏观的角度看，这种「前端体验用国际产品，后端算力用国产模型」的组合模式正在成为国内开发者的主流实践。它反映了当前AI工具生态的一个有趣现象：产品体验和模型能力正在解耦。一个好的AI编程工具，其价值不仅在于背后的模型有多强，更在于交互设计、上下文管理、项目理解等工程化能力。而模型层面，随着国产大模型在代码生成任务上的能力快速追赶（在SWE-bench、LiveCodeBench等权威评测中，DeepSeek、Qwen等模型已进入第一梯队），「用国产模型替代GPT」在越来越多场景下已经是可行且经济的选择。

这种解耦趋势也预示着AI工具市场的未来走向：模型将越来越商品化（Commoditized），真正的竞争壁垒将转移到产品体验、工作流集成和垂直场景优化上。对于开发者而言，这是好消息——你有了更多选择，不必被单一厂商锁定。

工具是拿来用的，不应该被注册门槛和费用卡住。先用起来，才知道值不值。