DeepSeek + Claude Code & OpenCode: официальный гид по интеграции с V4 API

Когда провайдер моделей публикует официальный гид по интеграции сразу с тремя крупными coding-агентами, это не просто туториал — это сигнал о маршрутной стратегии. Новый гид DeepSeek Integrate with AI Tools охватывает Claude Code, OpenCode и OpenClaw, а сама конфигурация, которую он предлагает, показывает, как индустрия думает о потирном назначении моделей внутри агентских пайплайнов.

Что произошло

DeepSeek выпустил официальный инженерный гид с инструкцией по тому, как перевести Claude Code, OpenCode и OpenClaw с их штатных бэкендов Anthropic/OpenAI на модели DeepSeek V4. Гид уже доступен в документации DeepSeek API и появился примерно неделю назад.

Самая показательная часть — раздел про Claude Code. DeepSeek прописывает все уровни моделей:

export ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic
export ANTHROPIC_AUTH_TOKEN=<your DeepSeek API Key>
export ANTHROPIC_MODEL=deepseek-v4-pro[1m]
export ANTHROPIC_DEFAULT_OPUS_MODEL=deepseek-v4-pro[1m]
export ANTHROPIC_DEFAULT_SONNET_MODEL=deepseek-v4-pro[1m]
export ANTHROPIC_DEFAULT_HAIKU_MODEL=deepseek-v4-flash
export CLAUDE_CODE_SUBAGENT_MODEL=deepseek-v4-flash
export CLAUDE_CODE_EFFORT_LEVEL=max

Обратите внимание на асимметрию: уровни Opus и Sonnet оба указывают на deepseek-v4-pro[1m] — расширенный вариант с контекстом в 1M токенов, — тогда как Haiku и слоты сабагентов используют deepseek-v4-flash. Это сделано намеренно. Схема кодирует баланс latency/стоимость: тяжёлые задачи на рассуждение остаются на мощной модели, а лёгкие вызовы сабагентов уходят на более дешёвую и быструю.

Для OpenCode настройка проще: команда /connect deepseek в терминале, затем выбор модели. Для OpenClaw — направляемый сценарий onboard --install-daemon, в котором пользователь выбирает DeepSeek в качестве provider и переключается между deepseek-v4-pro и deepseek-v4-flash.

Почему это важно командам AI-инженерии

Этот гид формализует то, что раньше было «племенным» знанием: Claude Code предоставляет интерфейс потирной маршрутизации моделей через переменные окружения, и любой Anthropic-совместимый API endpoint — не только сам Anthropic — может туда подключиться.

Для команд, управляющих многоагентскими пайплайнами, это даёт прямые операционные следствия:

1. Подмена provider без правки кода. Замена бэкенда для Claude Code, OpenCode или OpenClaw теперь — документированный паттерн, одобренный самим провайдером. Это снижает воспринимаемый риск попробовать нового provider — путь отступления состоит лишь в том, чтобы сбросить переменные окружения.

2. Контроль стоимости на уровне уровней. Маршрутизируя вызовы Haiku и сабагентов на deepseek-v4-flash, оставляя при этом Opus/Sonnet на deepseek-v4-pro, команды могут сократить расходы на сабагентов на 80–90%, сохранив качество на задачах верхнего уровня. Эта же логика применима к любой связке провайдеров, до которой можно дотянуться через Anthropic-совместимый endpoint.

3. Модификатор контекста [1m] — маршрутный сигнал. Строка deepseek-v4-pro[1m] подсказывает Anthropic-совместимому endpoint DeepSeek использовать вариант с контекстом 1M токенов. Эта схема модификаторов специфична для конкретного provider — напоминание, что даже при совместимом API per-provider поведение требует осознанной маршрутизации.

4. Доверие к агентским инструментам и охват OpenClaw. Включение OpenClaw рядом с Claude Code и OpenCode в материалы DeepSeek — заметный шаг. OpenClaw — персональная AI-платформа с упором на интеграцию с Feishu и WeChat. Её появление в официальной документации DeepSeek отражает, как китайские поставщики AI-инфраструктуры строят под полный агентский стек, а не только под потребителей API.

Угол router/operator

Схема маршрутизации через env-переменные, которую документирует DeepSeek, переносима — и по сути это задача маршрутизации gateway в маскировке. Вместо того чтобы прописывать переменные окружения на каждой машине разработчика, маршрутизирующий gateway может централизовать ту же потирную карту:

• Маршрутизировать все ID моделей вида claude-3-opus-* на deepseek-v4-pro[1m] ради ценового арбитража.
• Маршрутизировать вызовы claude-3-haiku-* или модели сабагентов на deepseek-v4-flash.
• Применять это через политику на стороне gateway, а не через конфигурацию env-переменных у каждого разработчика.

Это важно командам, где Claude Code пользуется не пара человек, а десятки. Управлять env-переменными по машинам хрупко; маршрутизация на уровне политики на границе gateway аудируема, обратима и не требует передеплоя, когда нужно переключить provider.

Решающая рамка для операторов, рассматривающих эту схему:

Главный риск — разрыв возможностей. Подход через env-переменные прост; допущение в том, что V4 Pro — это drop-in для качества Opus/Sonnet. Для большинства coding-задач это допущение держится хорошо, но командам, активно использующим Anthropic-специфические функции — extended thinking, computer use, нативную интеграцию MCP, — стоит тщательно тестировать перед маршрутизацией всех уровней.

За чем стоит следить пользователям TheRouter

Если Claude Code у вас идёт через маршрутизирующий gateway, описанная здесь потирная карта — это ровно та форма политики, которую вам стоит сконфигурировать на уровне gateway. Вместо того чтобы полагаться на per-developer env-файлы, определите карту псевдонимов моделей, которая перехватывает запросы Claude Code к моделям и перенаправляет их к выбранному provider на каждом уровне.

Команды, использующие gateway с поддержкой Anthropic-совместимой маршрутизации, могут применить эту схему уже сегодня: сопоставьте пространство имён моделей Anthropic с предпочтительными провайдерами по уровням и обработайте модификатор контекста [1m] в конфигурации provider. Это даёт централизованный учёт расходов, аудит-логи по уровням и простой откат, когда у provider случается сбой — без правок локальной конфигурации у каждого разработчика.

Стоит следить за обновлениями документации DeepSeek API по возможностям их Anthropic-совместимого endpoint, особенно вокруг поддержки prompt caching (пока не задокументирована) и совместимости с инструментом computer-use, который влияет на агентские пайплайны, опирающиеся на эти функции.