给 Claude Code 换模型的配置与代价

最初于 2026 年 10 月 16 日发布在 boostrail.com。

让 Claude Code 使用其他模型，关键在于一个事实：Claude Code 使用 Anthropic Messages 格式，任何支持这一格式的 endpoint 都能响应它。只要把 Claude Code 指向这样的 endpoint，再指定模型，同一套终端 Agent、工具和工作流就能运行在 DeepSeek、Kimi、GLM、Qwen 或 MiniMax 上。

本文介绍配置方法、不同模型适合的工作、我们在 2026 年 10 月 16 日的测试结果，以及开始长时间会话前需要了解的限制。有一点先说清楚，免得被埋在后面：Anthropic 的官方文档明确表示，不支持通过任何 gateway 将 Claude Code 路由到非 Claude 模型。这套配置能运行，是因为协议兼容，并不代表有人为这种组合提供认证。正式依赖它之前，请先用自己的代码仓库测试。

为什么让 Claude Code 使用其他模型

反复被提到的理由有三个。

单次任务的成本。 Coding Agent 每一轮都会重新发送 system prompt、工具定义和对话内容。在我们的测试中，即使只让 Claude Code 2.1.295 回复一个词，它仍然发送了 20,751 个 input tokens。到了这个量级，决定账单的更多是模型的 token 单价，而不是某一条 prompt。

不用等待用量窗口重置。 订阅按时间窗口计量 Agent 用量，高强度会话可能在任务进行到一半时耗尽额度。通过 API key 按 token 付费，就没有需要等待重置的用量窗口。

按任务选择模型。 一些团队保留 Claude 来做规划和解决棘手的调试问题，把常规修改、运行测试和探索代码仓库交给更便宜的模型。Claude Code 允许分别设置主模型、后台模型和 subagent 模型。

关于订阅用量窗口和速率限制的更完整讨论，请参阅《Coding Agents and Rate Walls》。

Claude Code 从 ANTHROPIC_BASE_URL 读取 endpoint，从 ANTHROPIC_AUTH_TOKEN（以 Bearer token 发送）或 ANTHROPIC_API_KEY（以 x-api-key 发送）读取凭证。每个请求都会使用 Anthropic 格式，携带你配置的模型名称，发送到该 base URL 下的 /v1/messages。

BoostRail 为模型目录中的所有文本模型提供 /v1/messages，并不局限于 Claude。请求会被转换为实际提供该模型服务的路由所需的格式，响应则以 Anthropic 流式事件返回，其中也包括工具调用。无法应用的字段会列在 Messages 参考文档中，并通过 x-boostrail-degraded 响应头报告，因此不会悄悄丢弃任何字段。

第 1 步： 在 BoostRail 控制台创建一个 key。同一个 key 可以用于模型目录中的所有模型。

第 2 步： 将配置写入 ~/.claude/settings.json。配置文件可以让从桌面启动的实例和后台 Agent 都读取到设置，而通过 shell 导出的环境变量无法可靠地覆盖这些场景。

{
  "env": {
    "ANTHROPIC_BASE_URL": "https://api.boostrail.com",
    "ANTHROPIC_AUTH_TOKEN": "YOUR_API_KEY",
    "ANTHROPIC_MODEL": "kimi-k3[1m]",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "deepseek-v4.1-flash",
    "CLAUDE_CODE_DISABLE_EXPERIMENTAL_BETAS": "1"
  }
}

对于接受 Bearer token 的 gateway，Anthropic 文档推荐使用 ANTHROPIC_AUTH_TOKEN 作为凭证变量。设置这个变量后，请求会携带这个 key，而不是使用你的 claude.ai 登录身份，订阅的用量限制也就不适用于这些请求。

ANTHROPIC_MODEL 设置主模型。[1m] 后缀告诉 Claude Code，这个模型拥有 100 万 token 的上下文窗口；Claude Code 会在发送请求前去掉这个后缀，因此 BoostRail 收到的是 kimi-k3。

ANTHROPIC_DEFAULT_HAIKU_MODEL 将会话标题、摘要等后台工作交给更便宜的模型。

CLAUDE_CODE_DISABLE_EXPERIMENTAL_BETAS 阻止 Claude Code 发送只有 Anthropic 自家 API 才接受的预发布字段。

第 3 步： 在开始长时间会话前检查连接。下面使用同一个 key 直接发送请求：

curl https://api.boostrail.com/v1/messages \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{"model": "kimi-k3", "max_tokens": 256, "messages": [{"role": "user", "content": "Reply with OK"}]}'

如果返回的 JSON 响应体中，content 数组包含回复，就说明 key 和 base URL 可以正常工作。给 max_tokens 留出余量：推理模型会将其中一部分用于思考，在预算只有 16 tokens 时，Kimi K3 返回了空的 content 数组。接着启动 claude，运行 /status，查找 Anthropic base URL 这一行。如果没有，说明这些变量没有传入当前会话。Coding Agents 页面也提供了 Codex CLI、Cline 和其他工具的同类配置。

哪种模型适合哪种工作

下面的模型 ID 都是 BoostRail 接受的 ID。模型定位来自各家实验室自己的 model card 或公告，链接位于最后一列，因此请将它们视为实验室自己的说法，而不是我们的结论。

许多团队起步时会采用一种实用分工：用能力较强的模型作为主模型，负责规划和跨文件修改；用 deepseek-v4.1-flash 处理后台工作，以及运行读取和总结代码的 subagent。各模型的输入、输出价格列在 Models 页面。想进一步了解这些实验室，可以参阅《Chinese AI Models in 2026》。

2026 年 10 月 16 日，我们使用 BoostRail 的内部测试 key 做了两项检查。

通过 /v1/messages 完成两轮工具调用。 每个模型都收到一个 read_file 工具，以及问题“这个项目需要哪个 Python 版本？”。上表中的五个模型都调用了工具并选择了正确的文件，接收工具结果后，给出了正确答案，并以 end_turn 结束。这说明这些模型能够正确完成 Claude Code 所依赖的请求与响应格式的往返交互。每个模型只测试了一次，并不保证所有路由都能如此。

直接测试 Claude Code。 我们以 print mode 运行 Claude Code 2.1.295，通过 BoostRail 将 glm-5.3 设为主模型，要求它创建一个 Python 文件并运行。它用三轮交互完成了文件写入、通过 python3 运行文件，并报告了正确输出。以 kimi-k3 和 deepseek-v4.1-flash 为主模型进行的较短测试也都正常返回。这些测试中有两个值得关注的细节：

Kimi K3 和 DeepSeek V4.1 Flash 的用量数据中出现了缓存读取（cache_read_input_tokens 大于零），因此这些测试中的重复上下文按缓存读取价格计费。GLM-5.3 则几乎没有缓存读取。

Claude Code 自己显示的费用是根据内置价格表计算的，并不是你的实际账单。对于 DeepSeek 那次只回复一个词的请求，它显示的费用为 $0.083；同样的 token 用量，按 DeepSeek V4.1 Flash 的目录价格计算，约为 $0.003。请在 BoostRail 控制台查看支出，那里记录了每个请求实际采用的价格。

开始长时间会话前需要了解的限制

/model 选择器不会列出这些模型。 开启 gateway 模型发现后，Claude Code 只保留 ID 中包含 "claude" 或 "anthropic" 的模型。直接输入 ID 即可：/model glm-5.3 会切换当前会话的模型。

上下文窗口。 对于不认识的模型 ID，Claude Code 会假定其上下文窗口为 200K tokens，并在达到这个大小之前压缩对话。对于拥有 100 万 token 窗口的模型，请添加 [1m]。对于上限低于 200K 的模型，例如 BoostRail 上的 qwen3-coder-flash，请将 CLAUDE_CODE_AUTO_COMPACT_WINDOW 设为该模型的上限。

Token 计数。 BoostRail 不提供 /v1/messages/count_tokens。Claude Code 会退回到自己的估算方式，因此 /context 显示的是近似值。

Thinking blocks。 对话历史中较早的 thinking blocks 会被接受后丢弃，并在 x-boostrail-degraded 中列出。每个模型都有自己的推理方式。

Auto mode。 Auto mode 会针对每个操作单独发送一次安全分类请求。在我们的测试中，这个请求被发送给了一个 Claude 模型，而不是我们配置的模型。在 Claude Code 2.1.295 中使用非 Claude 主模型时，auto mode 阻止了它无法评估的 shell 命令。请使用默认权限模式，并为你信任的命令配置 allow rules。

一条诊断信息。 对于 Claude Code 不认识的模型 ID，print mode 会先输出 [claude-code:unrecognized_model]。这只是提示信息，请求仍会正常发送。

混合使用 Claude 和其他模型

你不必在“全部切换”和“完全不切换”之间二选一。所有模型都使用同一个 endpoint 和 key，因此可以继续将 claude-sonnet-5 作为主模型，只把后台工作交给 deepseek-v4.1-flash，也可以反过来。CLAUDE_CODE_SUBAGENT_MODEL 设置 subagent 的默认模型，而单个 subagent 的定义仍然可以指定自己的模型。当某个困难步骤需要 Claude 的判断力时，运行 /model claude-sonnet-5 就能切换回来，无须修改配置文件。

如果你的团队已经与模型提供商签约，BYOK 可以在同一个 endpoint 后，使用你自己的提供商 key 来运行目录中的模型；具体请参阅 BYOK 指南。

常见问题

Anthropic 支持 Claude Code 使用其他模型吗？

不支持。Anthropic 文档明确表示，不支持通过任何 gateway 将 Claude Code 路由到非 Claude 模型。这套配置能够工作，是因为双方使用相同的 Messages 格式。请将它视为需要由你自行负责的配置，并在自己的代码上测试。

我的 Claude 订阅还会被计费用量吗？

不会。设置 ANTHROPIC_AUTH_TOKEN 后，Claude Code 会发送这个 key，而不是使用你的 claude.ai 登录身份，订阅的用量限制也就不适用于这些请求。用量会按 token 计费，费用由拥有该 key 的 BoostRail 账户承担。

为什么 /model 中没有 DeepSeek、Kimi 或 GLM？

Gateway 模型发现只会添加 ID 中包含 "claude" 或 "anthropic" 的模型。请通过 ANTHROPIC_MODEL 设置模型，或在会话中输入 /model，后面跟上模型 ID。

非 Claude 模型支持 prompt caching 吗？

这取决于模型所使用的路由。支持缓存时，缓存读取量会显示在 cache_read_input_tokens 中，并按 Models 页面列出的缓存读取价格计费。在我们的测试中，Kimi K3 和 DeepSeek V4.1 Flash 都出现了缓存读取，GLM-5.3 则很少。

应该使用哪个配置文件？

在自己的机器上，请使用 ~/.claude/settings.json。不要把 key 放进项目的 .claude/settings.json，这个文件会被提交到代码仓库，并分享给所有克隆仓库的人。

如需进一步处理，你可以考虑屏蔽此人和／或举报滥用行为。