Claude Code 接入 DeepSeek / Kimi / GLM：国产大模型配置教程

2026-06-17

Claude Code 好用，但官方模型的费用对国内重度用户不算便宜。好消息是：Claude Code 允许你把后端模型换成兼容的国产大模型，比如 DeepSeek、Kimi、智谱 GLM。本文讲清原理和配置步骤，帮你既留住 Claude Code 的体验，又把成本降下来。

为什么要给 Claude Code 接国产模型

三个现实理由：

省钱：国产模型的 API 价格通常显著低于官方，重度使用差距明显。
网络更稳：国内访问国产模型端点延迟低、更稳定。
合规：部分企业场景对数据出境有要求，用国产模型更省心。

代价是：国产模型在复杂代码任务上的表现和官方旗舰模型仍有差距。建议日常任务用国产模型，遇到硬骨头再切回官方——两套配置随时切换。

先说说省钱到底能省多少，心里有个数再决定值不值得折腾。Claude 官方旗舰模型的输入输出单价按百万 token 计，通常是几十元人民币起步的量级；而 DeepSeek、GLM 这类国产模型的对外报价常常只是官方旗舰的十分之一甚至更低，Kimi 的长上下文套餐也走的是类似路线。如果你每天都用 Claude Code 写代码、跑测试，一个月下来账单差出去一个数量级是很正常的事。具体数字以各家官网当前报价为准，厂商价格调整很频繁，这里只帮你建立一个”差距是数量级级别”的直觉，别抱着”省几块钱不值得折腾”的心态直接跳过。

再说个容易被忽略的点：接国产模型不是非黑即白的选择，你完全可以按任务类型分流。比如日常的读代码、写单元测试、改个小 bug 用国产模型顶上；涉及复杂架构设计、多文件联动重构、长链路 debug 这种”烧脑子”的活儿，再切回官方旗舰。我自己的习惯是默认挂国产模型，遇到它反复改不对、来回兜圈子的情况，直接切官方，别在便宜模型上死磕浪费时间——省下来的是钱，但如果因为模型能力不够导致返工，时间成本可能比省的钱还贵。

原理：Claude Code 是怎么”换后端”的

Claude Code 通过两个环境变量决定”把请求发给谁”：

ANTHROPIC_BASE_URL：API 的地址。默认指向 Anthropic，改成国产厂商提供的”Anthropic 兼容端点”即可换后端。
ANTHROPIC_AUTH_TOKEN（或 ANTHROPIC_API_KEY）：你的密钥，填国产厂商给你的 API Key。

关键前提：该厂商要提供”Anthropic API 兼容”的端点。目前 DeepSeek、Kimi（月之暗面）、智谱 GLM 等主流厂商大多提供了这种兼容入口，正是为了让 Claude Code 这类工具能直接接入。

通用配置三步

以 macOS / Linux 为例（Windows 见下文）：

第一步：拿到三样东西——从厂商开放平台获取：① Anthropic 兼容端点的 Base URL；② API Key；③ 推荐使用的模型名。

第二步：设置环境变量。在终端（或写进 ~/.zshrc、~/.bashrc 持久化）：

export ANTHROPIC_BASE_URL="https://厂商提供的兼容端点"
export ANTHROPIC_AUTH_TOKEN="你的_API_Key"
export ANTHROPIC_MODEL="厂商推荐的模型名"

第三步：启动验证。重开终端后运行 claude，下一个简单指令（如”解释这个项目结构”），能正常返回就接通了。

Windows 用户：在 PowerShell 里用 $env:ANTHROPIC_BASE_URL="..." 临时设置，或在「系统环境变量」里永久添加。不想动全局变量，可用 Claude Code 的 settings.json 按项目配置。

如果你不想把密钥写死在全局环境变量里（比如多个项目要用不同厂商的模型），更干净的做法是在项目根目录建一个 .claude/settings.json，把配置收敛到项目级：

{
  "env": {
    "ANTHROPIC_BASE_URL": "https://厂商提供的兼容端点",
    "ANTHROPIC_AUTH_TOKEN": "你的_API_Key",
    "ANTHROPIC_MODEL": "厂商推荐的模型名"
  }
}

这样做的好处是配置跟着项目走，换台机器、换个协作者都不用重新配环境变量；缺点是密钥写进了项目目录，务必把 .claude/settings.json 加进 .gitignore，别把 Key 提交上 Git 仓库——这是新手最容易踩的坑，一旦推到公开仓库，密钥基本等于报废，得马上去厂商后台吊销重开。

各家怎么接（以官方文档为准）

下面是思路，具体端点和模型名以各厂商最新文档为准（这类信息会更新）：

DeepSeek：在 DeepSeek 开放平台开通 API、充值、建 Key，找到其 Anthropic 兼容端点填入 ANTHROPIC_BASE_URL，模型选其代码能力较强的版本（对话与推理是两条不同的模型线，写代码优先选偏”对话/代码”这条，别误选成纯推理模型，后者响应慢、格式也不总是贴合工具调用场景）。性价比常被认为几家里最高，日常改 bug、写脚本用它顶上性价比很划算。
Kimi（月之暗面）：在 Moonshot 开放平台拿 Key 与兼容端点，Kimi 的长上下文是亮点。如果你要让 Claude Code 一次性读一个几万行代码的老项目、啃一份很长的技术文档再改代码，Kimi 这类长上下文模型比短上下文模型更不容易”中间遗忘”，适合大项目梳理和跨文件重构这种需要大量上下文喂进去的场景。
智谱 GLM：在智谱开放平台开通，按其文档填兼容端点与 GLM 系列模型名。GLM 系列在国内接口稳定性和响应速度上口碑不错，如果你所在公司本来就有智谱的合作或采购，直接复用现成账号最省事。

三家谁更适合你，看任务形态：追求性价比选 DeepSeek，任务涉及超长上下文选 Kimi，团队已有智谱资源选 GLM。没有统一答案，拿自己的真实任务试跑一遍最靠谱。

为避免在不同模型间反复改环境变量，很多人会写几个 shell 别名（alias），一行命令切换一套配置，例如在 ~/.zshrc 里加：

alias cc-deepseek='export ANTHROPIC_BASE_URL="https://deepseek兼容端点" && export ANTHROPIC_AUTH_TOKEN="key1" && claude'
alias cc-kimi='export ANTHROPIC_BASE_URL="https://kimi兼容端点" && export ANTHROPIC_AUTH_TOKEN="key2" && claude'
alias cc-official='unset ANTHROPIC_BASE_URL && unset ANTHROPIC_AUTH_TOKEN && claude'

以后想切模型，敲一个别名就直接带着对应配置启动 Claude Code，不用每次手动 export，也不容易因为忘了改某个变量而把请求打错地方。

怎么确认真的切过去了

启动后让它回答”你现在用的是什么模型”，作参考（模型自报不一定准，仅辅助）。
更可靠的办法：去厂商开放平台的用量后台看是否产生了调用记录、扣了额度——有记录就说明请求确实打到了国产模型。

常见坑与排查

报 401 / 认证失败：Key 填错、没充值、或用错了变量名。确认用的是 ANTHROPIC_AUTH_TOKEN 还是 ANTHROPIC_API_KEY（部分版本两者行为不同），并确认账户有余额。
报 404 / 连不上：ANTHROPIC_BASE_URL 填的不是”Anthropic 兼容端点”，而是普通的 OpenAI 兼容端点。两者不通用，务必用厂商标注的 Anthropic 兼容地址。
模型名报错：模型名写错或该端点不支持。回厂商文档复制准确的模型标识。
能连但效果差：换一个代码能力更强的模型版本；复杂任务本就建议切回官方旗舰。
改了没生效：环境变量只在当前终端有效，重开终端要重设，或写进 shell 配置文件持久化。
响应很慢或频繁超时：可能是高峰时段服务端排队，也可能是网络绕路了。先确认不是网络问题，再考虑换个时段或换个模型版本。
工具调用（function calling）行为跟官方不一致：Claude Code 大量依赖模型正确输出结构化的工具调用指令（读文件、写文件、跑命令）。不是所有国产模型对这套协议的兼容都做得同样到位，个别版本会出现”该调用工具时却直接输出了一段文字”的情况，说明这个模型对这类复杂工具调用的适配还不够成熟，建议换回官方或换一家。
计费和实际用量对不上：不同厂商对”一次对话”的计费颗粒度不同，有的按输入 + 输出总和算，有的分开计价还有阶梯折扣。别只看官网首页的单价就下结论，去用量后台看实际扣费明细，跑几次真实任务后再算这笔账划不划算。

常见问题

接了国产模型，Claude Code 的功能还全吗？ 基本交互、读写文件、跑命令都正常。少数依赖特定模型能力的高级表现可能打折，按需切回官方即可。

会不会违反 Claude Code 使用条款？ 这只是把客户端指向了第三方兼容端点，是否合规取决于你与各方的协议，商用前请自行确认。

Codex 能这么接国产模型吗？ Codex 主要绑定 OpenAI 模型，目前换国产后端不如 Claude Code 顺手。想对比两者，看 Claude Code vs Codex。

多个项目要用不同的模型配置，怎么管理才不乱？ 别都塞进全局环境变量，按前面说的用项目级 settings.json 分开管，一个项目一套配置，互不干扰；如果项目之间经常切换，配合 shell 别名一起用，效率更高。

团队一起用，密钥要不要共享？ 不建议共用一个 Key，没法追踪谁用了多少额度，出问题也不好排查。更稳妥的做法是每个人在厂商后台申请自己的 Key，团队层面只统一”用哪家、哪个模型版本”这类约定，密钥各自保管。

国产模型能完全替代官方模型吗？ 目前来看，日常七八成的编码工作国产模型完全能扛住，性价比也确实划算；但涉及复杂系统设计、跨模块的深层重构、或者那种”改十次都改不对”的疑难 bug，官方旗舰模型的稳定性和推理深度还是有优势。别指望一套配置包打天下，混合使用才是目前最务实的方案。

把工具配顺只是第一步。想真正用 AI 把开发效率提上来、做出能交付的产品？

👉 看看 AI 编程实战体系课，或逛 AI 编程教程大全系统打基础。如果你想把 AI 编程能力落地到团队，也欢迎找我们聊企业服务。