Claude Code 接入第三方模型的配置与排错
Claude Code 可通过兼容 Anthropic Messages API 的端点调用 DeepSeek、GLM 或 Kimi。文章讲解如何设置端点和令牌、覆盖各模型槽位的默认值,并用 `/status` 核对连接地址。
AI 深度解读
Claude Code 可以通过兼容 Anthropic Messages API 的端点接入 DeepSeek、GLM 和 Kimi。换掉请求地址和密钥只是第一步。模型槽位漏配,后台请求仍可能点名 Claude。上下文配置不对,短任务照样能跑,长会话才会暴露问题。
作者给出了三组可替换的配置,也记录了工具调用、推理字段和采样参数上的兼容问题。对前端和全栈开发者来说,最实用的是把验证分成三步。先确认请求发给谁,再确认接口能应答,最后看 Claude Code 能不能实际读写文件。
为什么改了主模型,还可能收到 Claude 的账单
Claude Code 调用的是 Anthropic Messages API。只要服务端能按它预期的格式收发消息,实际生成回答的模型就可以换。ANTHROPIC_BASE_URL 指向服务入口,ANTHROPIC_AUTH_TOKEN 保存该服务的密钥。Claude Code 会自己拼上 /v1/messages,所以基础地址末尾别额外加 /v1。启动后用 /status 检查当前地址。
ANTHROPIC_MODEL 只指定主模型。Opus、Sonnet、Haiku 和子代理各有配置项。作者指出,漏掉的槽位仍会请求 Claude 模型名,单厂商端点可能直接报错,多模型端点则可能照常处理,并按 Claude 的价格计费。下面这组配置把所有槽位都指向同一个 DeepSeek 模型。
export ANTHROPIC_BASE_URL=https://api.uberllm.dev
export ANTHROPIC_AUTH_TOKEN=ull_your_key
export ANTHROPIC_MODEL='deepseek/deepseek-v4.1-flash[1m]'
export ANTHROPIC_DEFAULT_OPUS_MODEL='deepseek/deepseek-v4.1-flash'
export ANTHROPIC_DEFAULT_SONNET_MODEL='deepseek/deepseek-v4.1-flash'
export ANTHROPIC_DEFAULT_HAIKU_MODEL='deepseek/deepseek-v4.1-flash'
export CLAUDE_CODE_SUBAGENT_MODEL='deepseek/deepseek-v4.1-flash'
claude
留意 ANTHROPIC_MODEL 那一行。原文的示例只在主模型 ID 末尾加 [1m]。按作者的说明,Claude Code 对其他模型默认按 200,000 tokens 管理上下文,接近上限就压缩会话。百万级上下文用 [1m],其他尺寸用 CLAUDE_CODE_MAX_CONTEXT_TOKENS 填实际值。填高了,历史消息一旦超出模型上限,请求就会失败。
原文列的是 UberLLM 在 2026 年 11 月 19 日的目录。DeepSeek V4.1 Flash 和 Kimi K3.1 Pro 的上下文都是 1,048,576 tokens,GLM 5.3 是 1,000,000 tokens。试 GLM 或 Kimi 时,在同一套配置里将各槽位分别换成 z-ai/glm-5.3 或 moonshotai/kimi-k3.1-pro,主模型行保留 [1m]。
接口能回一句话,为什么还要跑一次改文件
如果准备长期用,原文建议把地址和模型配置放进 ~/.claude/settings.json,只想在一个项目试用则放进 <project>/.claude/settings.local.json。密钥单独存到 ~/.uberllm/key,目录权限设为 700,文件权限设为 600,由 apiKeyHelper 执行 cat ~/.uberllm/key 读取。切到文件配置时,要清理终端及 shell 启动文件里的 ANTHROPIC_* 变量,否则之前导出的 token 或 ANTHROPIC_MODEL 可能覆盖文件里的值。
下面用 curl 直连 Messages API,验证密钥和模型 ID 能否跑通一条最小请求。
curl https://api.uberllm.dev/v1/messages \
-H "Authorization: Bearer $(cat ~/.uberllm/key)" \
-H "anthropic-version: 2023-06-01" \
-H "content-type: application/json" \
-d '{"model":"deepseek/deepseek-v4.1-flash","max_tokens":16,"messages":[{"role":"user","content":"ping"}]}'
最后一行只发了 ping,并用 max_tokens: 16 限制输出,整个请求没有携带工具。拿到有效响应后,再用 Claude Code 在临时目录跑一项真实任务,看文件是否按要求修改。命令能启动、模型能应答、工具能连续执行,是三个不同的验证结果。
原文记录了几个短请求测不出的情况。UberLLM 遇到不支持工具的模型会返回 400 tools_not_supported。Claude Code 还要求返回的推理块带 signature,一些提供商此前返回的 DeepSeek 推理块缺少这个字段,长会话可能中断。作者称他们在 2026 年 10 月 28 日修复了自己端点的这个问题。
DeepSeek 的思考模式还有另一处要求。使用工具时,后续请求要带回此前各轮的推理内容,缺失就可能收到 400。UberLLM 的处理方式是关闭思考模式后重试。这个请求即使成功,实际运行模式也已经变了。Kimi K3 和 Kimi K3.1 Pro 则使用固定的 temperature 和 top_p,请求自行设置这两个采样参数会被拒绝。
直连和走聚合平台,有哪些实际差别
按作者在 2026 年 11 月 19 日查阅的厂商文档,Moonshot AI 的基础地址是 https://api.moonshot.ai/anthropic,模型可填 kimi-k3[1m]。Z.ai 的地址是 https://api.z.ai/api/anthropic。DeepSeek 的地址是 https://api.deepseek.com/anthropic,其文档列出了端点会忽略的字段,包括 cache_control 和 thinking 里的 budget_tokens。直连使用各家发放的密钥,由各家计费,模型 ID 也要按对应端点填写。
换成第三方端点后,Claude Code 显示的费用仍按 Anthropic 价目在本地估算,实际账单要查提供商的用量页面。claude.ai 登录也不会用于这套接入,依赖它的连接器、/schedule 和 Remote Control 都用不了。
UberLLM 创始人披露,该平台通过第三方卖家的账户提供模型,会话读取的内容会发给实际服务方。请求默认保存 90 天,每个 API key 都可以关闭请求和回答的留存。平台从 5 美元起预付,支持银行卡和 PayPal,没有免费额度。作者也说明,他们的检查无法证明回答具体由哪组模型权重生成,平台当时还没有独立评测。
我的判断
这篇文章最扎实的部分是它给出了可逐层检查的配置方法。地址填错、模型槽位漏配、工具调用中途失败,处理方式各不相同。先用 /status 和最小请求缩小范围,再跑一次会改文件的任务,比进 CLI 问一句能不能用更容易定位问题。
作者给出了他们团队处理签名和 400 的经验,但没有公布同一任务在 Claude、DeepSeek、GLM 和 Kimi 上的完成率、工具调用耗时或实际账单。长工具循环谁更稳、修完一个任务能省多少,都只能留给自己的任务验证。只试一个模型家族,我倾向先直连,出问题时少排查一层请求转发。聚合平台省的是切换多个模型入口的配置成本,代价要结合实际服务方和留存条款来判断。涉及客户数据或凭证的仓库,接入前还得确认团队允许把会话读取到的内容发给谁。
能拿来做什么
- 在临时目录放一份可丢弃的前端或 Node 项目,让 Claude Code 读取现有代码、改一个文件并执行已有测试。查看实际 diff 和测试输出,确认这一轮工具调用完整跑完。
- 只试一个仓库时,用
.claude/settings.local.json放项目级配置,密钥交给apiKeyHelper。用/status核对地址,再去提供商的用量页确认实际请求和费用。 - 准备切回 Claude 时,按原文用
unset清掉端点、密钥、模型槽位和CLAUDE_CODE_MAX_CONTEXT_TOKENS。若改过配置文件,也撤掉这次加的apiKeyHelper和env条目,重启后再用/status确认。