在实际开发环境里Codex 和 Claude Code 已经不只是“聊天工具”而是直接跑在终端里的编程智能体。Codex 由 OpenAI 提供能够读取仓库、调用命令、修改文件并完成多轮任务Claude Code 是 Anthropic 在命令行场景下的智能体入口支持交互式会话、工具调用和脚本化执行。很多开发者关心的是这两个工具的安装和报错太折腾而且模型调用费叠加后并不便宜。“0 成本”并不等于盗用账号或绕过计费而是有一套合规的工程路径官方免费额度、按量付费中更便宜的模型、OpenAI 兼容第三方端点、本地模型以及一套能控制上下文消耗的使用习惯。这篇文章会从成本结构讲起然后分别完成 Codex CLI 与 Claude Code 的安装、登录、模型接入再处理接入 DeepSeek、本地网关等低成本方案时最常见的几个报错最后给出一份可以直接照做的排查清单。1. 先看懂 Codex 和 Claude Code 的成本构成1.1 工具本身是免费外壳真正花钱的是模型调用先明确一个容易混淆的事实Codex CLI 和 Claude Code CLI 本身都是可以免费安装的开源命令行工具它们像是一个“智能体外壳”。真正产生费用的是外壳背后调用的模型服务。Codex 默认会调用 OpenAI 的模型。如果使用 ChatGPT 账号登录就消耗 ChatGPT 订阅额度如果使用 API Key就按 OpenAI API 的 token 单价计费。Claude Code 类似使用 Claude 订阅时消耗订阅额度使用 Anthropic API Key 时按 token 计费。除了模型调用本身的费用还有几个隐藏成本上下文重读成本每次会话如果都带上整个仓库的代码、历史消息token 会快速增长。工具调用成本Codex 每次执行命令、读取文件、搜索内容都会产生新的模型往返。失败重试成本遇到 529、超时、模型不存在重试次数多了也会叠加费用。IDE 与桌面的间接开销ChatGPT 桌面端、VSCode 插件本身不收费但它们在后台会话中仍然会调用模型。既然成本主要来自模型调用省钱的核心就变成三件事选更便宜的模型、减少无效 token、把重复任务放到缓存或本地模型上去做。1.2 接近 0 成本的合规路径只有这几类想要接近 0 成本优先考虑以下路径。官方免费额度和试用期。OpenAI 和 Anthropic 有时会给新用户提供免费 API 额度或者开发者平台的试用积分使用前先看官方开发者后台。本地模型。通过 Ollama、vLLM 等工具在本地启动一个 OpenAI 兼容服务Codex 可以把请求指向 localhost。这是真正可以做到持续 0 模型费用的方式代价是模型能力与云端大模型有明显差距。更便宜或按量更低的公开兼容端点。例如 DeepSeek 等提供 OpenAI 兼容 API 的服务单价比高端模型低很多但仍然按 token 计费不能说免费。自建模型路由。用一层 API 网关统一入口把简单任务路由到便宜模型复杂任务才路由到强模型。注意这条路径的前提是使用自己合法获得的 API Key 或订阅额度。不要使用共享账号、盗用 Key、修改计费绕过等行为这类做法既违反服务条款也存在数据泄漏风险。路径是否真正 0 成本主要代价适合场景官方免费额度短期可以有配额和速率限制体验、学习、小规模验证本地模型持续近似 0 成本需要 GPU/内存能力有限私有数据、离线开发、简单任务低成本兼容端点不是免费但单价低需要申请 Key按量付费日常开发、批量任务订阅额度已经有订阅则边际成本低固定月费重度使用的个人开发者1.3 先设置好配额和预算在动手之前先在 API 后台设置用量上限和预算告警避免一次错误的重试循环把余额耗尽。OpenAI、Anthropic、DeepSeek 等平台基本都提供 usage limit、budget alerts、rate limit 设置。这是进入任何低成本方案前最安全的习惯。实际项目里预算告警的作用往往比“选一个便宜模型”更大。一次没有限流的重试风暴可能比一个月的正常调用费用还高。2. 安装 Codex CLI让终端和 IDE 都能找到二进制文件2.1 环境准备Codex CLI 基于 Node.js 分发的 npm 包。安装前确认环境node -v npm -vNode.js 建议使用 18 及以上版本npm 保持较新版本。如果本机已经使用 nvm 管理版本先切换到长期支持版本。安装npm install -g openai/codex成功后验证codex --version如果 npm 全局路径不在 PATH 中会看到 command not found。此时需要把 npm 全局 bin 目录加入 PATH或者用 Homebrew 等方式安装。安装完成后继续做下面的两步确认which codex能返回路径。在终端里运行codex --help确认子命令正常。2.2 登录ChatGPT 账号与 API Key 是两种计费方式Codex 支持两种登录方式。codex login这个命令会打开浏览器完成 ChatGPT 账号授权。登录成功后Codex 使用 ChatGPT 账户的额度适合已经有订阅的用户。另一种方式是使用 API Keyexport OPENAI_API_KEYsk-... codex --api-key或者直接在配置文件中通过env_key让 Codex 从环境变量读取 Key。API Key 模式按 token 计费适合需要精细控制成本或接入第三方兼容端点的场景。注意两种登录方式底层是两套计费体系ChatGPT 账号有一些模型不开放后面会看到的gpt-5.6-sol不支持报错就和这个有关。API Key 方式更接近直接调用 API 的模型全集。2.3 配置文件model、provider、base_urlCodex 的全局配置在~/.codex/config.toml。第一次运行后如果没有生成可以手动创建。一个最小配置model gpt-5 model_provider openai [model_providers.openai] name OpenAI base_url https://api.openai.com/v1 env_key OPENAI_API_KEY如果要把请求转发到 DeepSeek 或本地 Ollama可以增加一个 providermodel deepseek-chat model_provider deepseek [model_providers.deepseek] name DeepSeek base_url https://api.deepseek.com/v1 env_key DEEPSEEK_API_KEY这个示例说明思路。第三方服务的模型名、base_url 和 Key 变量名要以服务商最新文档为准。2.4 高频报错unable to locate the codex cli binary很多人在 ChatGPT 桌面端或 VSCode 里启动 Codex 时看到ChatGPT failed to start. Unable to locate the codex cli binary. Set codex cli path or ensure the executable is found on PATH.这个报错不是 Codex 模型调用失败而是外壳程序找不到 Codex CLI 可执行文件。常见原因和处理方式如下CLI 没有安装先在终端执行codex --version如果 command not found先完成安装。PATH 不含 npm 全局目录执行which codex若为空把 npm 全局 bin 加入 PATH。桌面端或扩展在独立环境中启动没有继承终端 PATH在对应设置项中手动指定 codex cli 路径例如 macOS 下可能是/opt/homebrew/bin/codex或 npm 全局目录下的codex。安装的是旧版本或损坏的软链重装npm install -g openai/codexlatest后重启桌面端。这个报错的排查顺序是先终端验证安装再确认 PATH最后在 IDE 或桌面端设置里指定路径。3. 安装 Claude CodeCLI、桌面端与编辑器的关系要理清3.1 安装 Claude Code CLIClaude Code 同样通过 npm 分发。npm install -g anthropic-ai/claude-code验证claude --version登录通常使用claude login或者设置 Anthropic API Keyexport ANTHROPIC_API_KEYsk-ant-... claude如果使用订阅账号登录后可以消耗 Claude 订阅额度如果使用 API Key按 API 定价计费。3.2 桌面版、VSCode 插件和 CLI 不是同一个东西Claude Code 的入口有几个形式终端 CLI、桌面版、VSCode 插件。它们调用的是同一个模型后端但在本地环境和配置上不完全相同。CLI最直接适合脚本、管道和调试。VSCode 插件在编辑器里启动需要找到已安装的 CLI 二进制。桌面版提供图形界面适合不熟悉命令行的用户。常见问题是终端里claude能正常运行但 VSCode 插件报找不到 CLI。原因同样是插件进程没有继承终端 PATH。解决方式是在插件设置里指定 CLI 路径或者把安装目录加入系统级 PATH而不仅是当前 shell 的 PATH。3.3 自定义模型与端点Claude Code 默认调用 Anthropic 官方模型。可以通过环境变量切换模型和端点export ANTHROPIC_MODELclaude-sonnet-4-5 export ANTHROPIC_BASE_URLhttps://api.anthropic.com如果要接入自建网关或第三方兼容服务通常需要把ANTHROPIC_BASE_URL指向网关地址并用ANTHROPIC_AUTH_TOKEN或ANTHROPIC_API_KEY提供鉴权。不同服务的鉴权方式不同具体以网关文档为准。注意不是任何模型名称都能被 Claude Code 接受。Claude Code 会做模型名校验版本过旧时即使配置了正确的模型名也可能报“不识别”。3.4 高频报错模型名不被识别与 529看到这样的报错deepseek-v4-pro is not a model this version of claude code recognizes, so...这类报错有两种含义模型名拼写错误先确认模型名字从服务商文档复制不要手拼。当前 Claude Code 版本过旧不认识新模型或第三方模型升级 CLI 到最新版本如果仍不支持可以在网关层把请求转发到目标模型同时让 Claude Code 把请求对象识别为它认识的模型名。还有一类高频报错是 HTTP 529Claude Code 529529 表示 Anthropic API 服务过载不是本地配置错误。处理方式等待几秒后重试。降低并发请求。换一个不那么拥挤的模型或端点。检查是否触达了订阅或 API 的速率限制。4. 低成本模型接入DeepSeek、本地模型与网关转发4.1 Codex 接入 OpenAI 兼容端点Codex 最大的优势在于它走 OpenAI 兼容的chat/completions或responses协议因此很多提供兼容 API 的服务都可以接入。以 DeepSeek 为例在~/.codex/config.toml中增加 provider并把 model 切到 DeepSeek 的模型名即可上面 2.3 已经给出示例。这里的要点是模型能力、上下文长度、工具调用支持程度都依赖于服务端。如果兼容端点不支持工具调用Codex 的部分文件操作和命令执行功能会失效。4.2 Claude Code 接入自定义端点的思路Claude Code 默认走 Anthropic Messages API 格式。要接入非 Anthropic 模型常见做法是引入一层兼容网关把 Anthropic 的请求格式转换成 OpenAI 格式或目标模型自己的格式。社区里已有多种开源网关实现也可以根据自己的需求写一个 FastAPI 小服务。最小思路接收POST /v1/messages的 Anthropic 请求。转换成 OpenAI 或 DeepSeek 的 chat 请求格式。调用目标模型。把响应转换回 Anthropic 格式。这种网关适合团队内部统一入口也可以对模型路由、token 计费做二次统计。对个人开发者来说直接用兼容端点更省事但也要接受“Claude Code 较新的模型名校验可能不匹配”的问题。4.3 本地模型真正的持续 0 成本如果满足条件本地模型是最接近“0 成本”的方案。以 Ollama 为例它默认提供 OpenAI 兼容接口启动后本地服务地址通常是http://127.0.0.1:11434/v1Codex 配置示例model qwen2.5-coder:latest model_provider ollama [model_providers.ollama] name Ollama base_url http://127.0.0.1:11434/v1这里的成本主要是机器资源运行本地模型会占显存和内存。真正干重活时可能需要独享 GPU这也是一种成本只是不按 token 计费。4.4 报错cc switch local proxy failed while handling codex endpoint /responses这条报错通常出现在本地配置了转发端点或切换工具之后cc switch local proxy failed while handling codex endpoint /responses. provi...含义是本地转发服务在接管 Codex 的/responses请求时失败。常见原因本地网关服务没有启动。base_url指向的地址写错例如端口、路径缺失。网关要求鉴权头但没有注入 Key。端点没有实现/responses这个路径只有/chat/completions而 Codex 请求的是/responses。防火墙或本地端口占用。排查步骤直接 curl 网关地址确认服务可达。确认 Codex 配置里的base_url和网关实际路由一致。看网关日志找到具体是连接拒绝、401 还是 404。如果网关只支持 chat/completions检查 Codex 是否有方式切换到该协议或者改用一个兼容/responses的网关。切换回官方端点确认 Codex 本身正常再做网关排错。4.5 报错模型在当前账号下不支持例如The gpt-5.6-sol model is not supported when using Codex with a ChatGPT account.这说明你使用 ChatGPT 订阅账号登录但当前账号的模型白名单里没有这个模型尤其是某些内部、预览或企业模型。解决办法换成 API Key 模式使用 API 支持的模型。切换模型到当前账号支持的型号。如果确实需要该模型确认自己的 API 权限和订阅等级是否覆盖。5. 最小闭环任务用 Codex 和 Claude Code 各做一次5.1 任务定义为了让两个工具表现可比用同一个 Python 小任务实现一个带指数退避的重试装饰器并给出一个单元测试。输入约定Python 3.10。装饰器支持 max_retries、base_delay、max_delay。失败时抛出原始异常。提供 pytest 测试测试第三次调用成功。5.2 在 Codex 中运行在终端进入一个空目录codex交互式输入在 current 目录创建 retry.py实现一个带指数退避的重试装饰器支持 max_retries、base_delay、max_delay重试耗尽后抛出原始异常。再创建 test_retry.py用 pytest 模拟前两次失败、第三次成功并断言耗时大约符合退避逻辑。Codex 会读取目录、创建文件、执行测试返回结果。如果是 API Key 模式可以在后台观察 token 消耗。5.3 在 Claude Code 中运行同样的目录claude输入同样的任务描述。Claude Code 会创建文件并运行测试。由于两者使用不同的模型后端输出质量、工具调用方式和 token 消耗都会不同。5.4 如何判断成本是否合理运行完成后可以从三个维度评估结果正确性测试是否通过代码是否有明显问题。token 消耗在后台查看本次会话的输入、输出 tokens判断同样的任务哪个更省。延迟和稳定性是否出现 529、超时、重试。生产环境不应该只看模型单价还要把失败重试、人工 review 时间算进去。便宜的模型如果频繁输出错误代码实际成本反而更高。6. 常见错误速查与通用排查链路6.1 错误速查表以下表格覆盖了当前环境里出现频率最高的几类问题。报错信息可能原因检查项处理建议unable to locate the codex cli binaryCLI 未安装或不在 PATHwhich codex、扩展设置路径先全局安装再在 IDE 指定路径cc switch local proxy failed while handling codex endpoint /responses本地网关未启动或路由不匹配curl 网关、查网关日志对齐 base_url 和端点路由deepseek-v4-pro is not a model this version of claude code recognizes模型名校验不过claude --version、服务商模型名升级 CLI、改模型名、走网关映射gpt-5.6-sol is not supported when using Codex with a ChatGPT account订阅账号模型白名单限制检查账号计划用 API Key 或切换模型529服务过载或限流检查服务状态、速率限制重试、退避、换模型command not found: codex / claude未安装或 PATH 缺失npm 全局目录加入 PATH 或重装6.2 通用排查顺序出现问题时按这个顺序查不要一开始就怀疑模型能力。本机是否安装了 CLIwhich codex/which claude是否有输出。PATH 是否完整IDE 和终端的环境是否一致。登录态是否有效API Key 是否过期、是否有余额。配置中的 base_url、model、provider 是否匹配。目标服务是否可达curl 端点确认连通性、鉴权和路径。模型名是否在服务端支持列表内。日志中是否有鉴权、限流、超时、模型不存在等关键字。6.3 日志和诊断命令Codex 调试模式codex --debug或设置日志级别输出请求和响应细节。Claude Code 调试claude --verbose显示详细日志claude --debug显示更多内部信息。确认配置分别检查 Codex 配置目录和 Claude Code 配置目录下的文件确认是否被其他工具覆盖。排错时最容易被忽略的一步是先切回官方端点确认工具本身正常再怀疑第三方网关。否则很容易在错误配置的链路上浪费大量时间。7. 低成本使用的工程实践清单7.1 控制 token 是最大的省钱点实际项目中上下文管理比选哪个模型更重要。建议不要让 CLI 自动把整个仓库塞进上下文尽量指定需要读取的文件。完成一个小目标后结束会话不要在一个超长会话里连续做十几个任务。对历史消息定期裁剪减少重复发送。在脚本化调用中使用单轮模式而不是多轮对话模式。7.2 建立模型路由和缓存如果团队使用网关可以把简单、重复、机械的任务路由到便宜模型或本地模型把架构设计、复杂重构路由到更强模型。对结果稳定的任务可以做结果缓存当输入 hash 相同且任务标记为可缓存时直接返回历史结果不调用模型。7.3 发布前检查清单进入生产环境前至少检查以下项目是否存在明文 API Key 入库、进日志、进前端。是否设置了预算告警和限额。是否记录每次调用的模型、token、耗时和结果状态。是否有失败重试的熔断策略避免重试风暴。是否有数据脱敏规则生产代码