国产模型供应商配置

DeepSeek、Qwen、Kimi 等国产大模型的 API 接入方法，以及 Provider 切换策略。

OpenCode 的设计哲学之一是 Provider 无关性——你不被任何模型供应商锁定。对于国内开发者来说，这意味着可以直接接入国产大模型，享受更低的 API 成本（通常为 GPT-4 的 1/10 到 1/20）和更稳定的网络连接。但国产模型的 API 格式、参数含义、Token 计算方式和内容安全策略各有不同，需要针对性配置。读完本文，你将能够完成 DeepSeek、Qwen、Kimi 三个主流国产 Provider 的完整配置，并掌握国产模型的参数调优和混合路由策略。

这篇文章覆盖 DeepSeek、阿里 Qwen、月之暗面 Kimi 三个主流国产 Provider 的完整配置流程，包括 Base URL、API Key、模型名称等关键字段。还会讨论国产模型的典型参数调优建议、Token 计算差异、速率限制和内容安全过滤的影响，以及如何在 OpenCode 的类别路由中实现国产模型与国际模型的混合路由策略。

注意：下文使用层级化模型名称标识模型在能力/成本谱系中的位置，具体映射请参考 OpenCode 官方文档的模型支持列表。

⏱ 时间有限？先读这些： 国产 AI 模型概览 → 配置方法 → 典型参数调优 → 注意事项和常见问题

国产 AI 模型概览

国产大模型在 2024-2025 年取得了显著进步，在代码生成、数学推理、长文本处理等场景已经接近甚至超越国际一流模型。以下是三个主流国产 Provider 的定位对比。

DeepSeek：性价比之王

DeepSeek（深度求索）是目前最具性价比的国产大模型。其旗舰模型 DeepSeek-V4 采用 MoE（Mixture of Experts）架构，V4-Flash 为 284B 总参数、13B 激活，V4-Pro 为 1.6T 总参数、49B 激活，在代码、数学、推理等任务上表现优异。

重要提示：Legacy 模型 ID deepseek-chat 和 deepseek-reasoner 将于 2026 年 7 月 24 日停止支持，建议迁移至 deepseek-v4-flash 或 deepseek-v4-pro。

核心优势：

• 极致性价比：V4-Flash API 价格约为 GPT-4o 的 1/15–1/30（取决于输入/输出比例）
• 代码能力强：DeepSeek-V4 在 Codeforces 算法竞赛中表现优异（标准思考模式 2386 分；Speciale 变体 2701 分，超越 GPT-5）
• 推理透明：deepseek-v4-flash 思考模式提供可见的思维链（Chain-of-Thought）
• 超长上下文：V4 模型支持 1M tokens 上下文窗口
• 上下文缓存：自动缓存重复前缀，最高节省 98% 输入成本

适用场景：

• 大规模代码生成和重构
• 算法竞赛题目求解
• 成本敏感的批量处理任务
• 需要推理过程可解释的场景

Kimi：长上下文专家

Kimi（月之暗面）以超长上下文处理能力著称。最新的 Kimi K2.5 模型支持 256K tokens 上下文窗口，是处理长文档、代码库分析的理想选择。

核心优势：

• 超长上下文：256K tokens 窗口，可处理整本技术书籍
• 原生多模态：支持图像、视频、文档输入
• 智能体优化：针对工具调用和多智能体协作优化
• 文档理解强：在长文本摘要、信息提取任务上表现突出

适用场景：

• 大型代码库分析
• 技术文档和论文阅读
• 法律合同、财务报告分析
• 多轮复杂对话

Qwen：生态最完整

Qwen（阿里通义千问）是国产模型中生态最完整的选择。从 0.5B 到万亿参数，覆盖边缘设备到云端推理的全场景需求。

核心优势：

• 模型矩阵完整：从 qwen3-0.5b 到 qwen3-max，满足不同场景
• 企业级支持：阿里云百炼平台提供完整的 MLOps 工具链
• 多模态成熟：Qwen-VL、Qwen-Audio 等多模态模型已成熟
• 开源生态：模型权重开源，支持私有化部署

适用场景：

• 企业级应用集成
• 需要阿里云生态支持的项目
• 多模态处理需求
• 私有化部署需求

此成本对比为写书时（2026年6月）所查询数据，请以当前实际定价为准。

国产 Provider 对比

配置方法

国产 Provider 的配置遵循 OpenCode 的标准 Provider 配置模式。由于国产模型大多采用 OpenAI 兼容的 API 格式，配置过程与国际 Provider 类似，主要差异在于 Base URL 和模型名称。

国产 Provider 配置流程

下图展示了国产 Provider 的完整配置流程，从模型选择到参数设置的各步骤顺序。

%%{init: {'theme':'base', 'themeVariables': {'primaryColor':'#4A90D9', 'secondaryColor':'#50C878', 'tertiaryColor':'#FF9F43'}}}%%
flowchart TB
    A[选择国产 Provider] --> B{选择配置方式}
    
    B -->|TUI 配置| C[运行 /connect]
    B -->|配置文件| D[编辑 opencode.json]
    
    C --> E[选择 Custom Provider]
    E --> F[输入 Base URL]
    F --> G[输入 API Key]
    G --> H[验证连接]
    
    D --> I[添加 provider 配置段]
    I --> J[设置 baseURL]
    J --> K[设置 apiKey 环境变量]
    K --> L[配置模型列表]
    
    H --> M[运行 /models 验证]
    L --> M
    
    M --> N{模型列表显示?}
    N -->|是| O[配置成功]
    N -->|否| P[检查网络和 API Key]
    P --> B

DeepSeek 配置

DeepSeek 提供两个主要模型标识符（Legacy）和新的 V4 模型：

Legacy 模型（将于 2026-07-24 退役，建议使用 V4）：

• deepseek-chat：非思考模式，路由到 V4-Flash
• deepseek-reasoner：思考模式，路由到 V4-Flash

V4 模型（当前推荐）：

• deepseek-v4-flash：284B/13B，1M 上下文，$0.14/$0.28 每百万 tokens
• deepseek-v4-pro：1.6T/49B，1M 上下文，$0.435/$0.87 每百万 tokens

方式一：TUI 配置

1. 在 OpenCode 中运行 /connect：

/connect

2. 搜索 DeepSeek（内置提供商）

3. 输入配置信息：

Base URL: https://api.deepseek.com
API Key: sk-xxxxxxxxxxxxxxxx

4. 运行 /models 验证：

/models

方式二：配置文件

在项目根目录创建或编辑 opencode.json：

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "deepseek": {
      "env": ["DEEPSEEK_API_KEY"],
      "name": "DeepSeek",
      "models": {
        "deepseek-v4-flash": {
          "name": "DeepSeek V4 Flash",
          "limit": {
            "context": 1000000,
            "output": 384000
          }
        },
        "deepseek-v4-pro": {
          "name": "DeepSeek V4 Pro",
          "limit": {
            "context": 1000000,
            "output": 384000
          }
        },
        "deepseek-chat": {
          "name": "DeepSeek Chat (Legacy, retires 2026-07-24)",
          "limit": {
            "context": 64000,
            "output": 8000
          }
        }
      }
    }
  },
  "model": "deepseek/deepseek-v4-flash"
}

环境变量配置：

export DEEPSEEK_API_KEY="sk-xxxxxxxxxxxxxxxx"

获取 API Key：

1. 访问 platform.deepseek.com
2. 注册并完成邮箱验证
3. 进入 API Keys 页面创建新密钥
4. 新用户赠送 500 万 tokens 免费额度（有效期 30 天）

Kimi 配置

Kimi（月之暗面）提供多个模型版本：

当前旗舰：

• kimi-k2.6：最新旗舰模型，256K 上下文，$0.95/$4.00 每百万 tokens

其他可用模型：

• kimi-k2.5：K2.6 的前一代，256K 上下文，$0.60/$3.00 每百万 tokens
• moonshot-v1-8k：8K 上下文，低成本
• moonshot-v1-32k：32K 上下文
• moonshot-v1-128k：128K 上下文

注意： Kimi 提供两个 API 端点：

• https://api.moonshot.cn/v1 — 中国地区
• https://api.moonshot.ai/v1 — 国际用户

方式一：TUI 配置

1. 运行 /connect：

/connect

2. 搜索 Moonshot AI（内置提供商）

3. 配置完成后选择 Kimi K2.6 或 K2.5

方式二：配置文件

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "moonshot": {
      "env": ["MOONSHOT_API_KEY"],
      "name": "Kimi",
      "models": {
        "kimi-k2.6": {
          "name": "Kimi K2.6",
          "limit": {
            "context": 262144,
            "output": 8192
          }
        },
        "kimi-k2.5": {
          "name": "Kimi K2.5",
          "limit": {
            "context": 262144,
            "output": 8192
          }
        },
        "moonshot-v1-8k": {
          "name": "Moonshot V1 8K",
          "limit": {
            "context": 8192,
            "output": 4096
          }
        },
        "moonshot-v1-32k": {
          "name": "Moonshot V1 32K",
          "limit": {
            "context": 32768,
            "output": 4096
          }
        },
        "moonshot-v1-128k": {
          "name": "Moonshot V1 128K",
          "limit": {
            "context": 131072,
            "output": 4096
          }
        }
      }
    }
  },
  "model": "moonshot/kimi-k2.6"
}

环境变量配置：

export MOONSHOT_API_KEY="sk-xxxxxxxxxxxxxxxx"

获取 API Key：

1. 访问 platform.moonshot.cn（中国）或 platform.kimi.ai（国际）
2. 注册并完成验证
3. 进入控制台创建 API Key
4. 新用户赠送 15 元体验金

Qwen 配置

Qwen（阿里通义千问）通过阿里云百炼平台提供 API 服务。注意：Qwen 是自定义提供商，需要使用 @ai-sdk/openai-compatible 适配器。

Base URL（国际用户推荐）：

• 新加坡（国际）：https://dashscope-intl.aliyuncs.com/compatible-mode/v1
• 美国（弗吉尼亚）：https://dashscope-us.aliyuncs.com/compatible-mode/v1
• 中国（北京）：https://dashscope.aliyuncs.com/compatible-mode/v1

可用模型：

• qwen3-max：256K 上下文，$1.20/$6.00 每百万 tokens（International）
• qwen3.5-plus：1M 上下文，$0.4/$2.4 每百万 tokens（International）
• qwen3.5-flash：1M 上下文，$0.1/$0.4 每百万 tokens（International）
• 旧版：qwen-max, qwen-plus, qwen-turbo（qwen-turbo 已废弃，建议迁移到 qwen-flash）

定价说明： Qwen 使用阶梯定价，基于输入 token 数量。以上价格为 0-32K tokens 档位的最低价格。

方式一：TUI 配置

1. 运行 /connect：

/connect

2. 选择 Custom Provider

3. 输入配置：

Base URL: https://dashscope-intl.aliyuncs.com/compatible-mode/v1
API Key: sk-xxxxxxxxxxxxxxxx

方式二：配置文件

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "qwen": {
      "npm": "@ai-sdk/openai-compatible",
      "env": ["DASHSCOPE_API_KEY"],
      "name": "Qwen",
      "options": {
        "baseURL": "https://dashscope-intl.aliyuncs.com/compatible-mode/v1"
      },
      "models": {
        "qwen3-max": {
          "name": "Qwen3 Max",
          "limit": {
            "context": 262144,
            "output": 8192
          }
        },
        "qwen3.5-plus": {
          "name": "Qwen3.5 Plus",
          "limit": {
            "context": 1000000,
            "output": 8192
          }
        },
        "qwen3.5-flash": {
          "name": "Qwen3.5 Flash",
          "limit": {
            "context": 1000000,
            "output": 8192
          }
        }
      }
    }
  },
  "model": "qwen/qwen3.5-plus"
}

环境变量配置：

export DASHSCOPE_API_KEY="sk-xxxxxxxxxxxxxxxx"

获取 API Key：

1. 访问 bailian.console.aliyun.com
2. 开通阿里云百炼服务
3. 进入 API-KEY 管理创建密钥
4. 新用户赠送 100 万 tokens 免费额度（有效期 90 天，仅限新加坡区域）

多 Provider 混合配置

OpenCode 支持同时配置多个 Provider，并通过类别路由实现智能切换。以下是一个国产模型与国际模型混合的配置示例：

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "anthropic": {
      "name": "Anthropic",
      "options": {
        "apiKey": "{env:ANTHROPIC_API_KEY}"
      },
      "models": {
        "balanced-model": {},
        "best-capability-model": {}
      }
    },
    "deepseek": {
      "name": "DeepSeek",
      "options": {
        "baseURL": "https://api.deepseek.com",
        "apiKey": "{env:DEEPSEEK_API_KEY}"
      },
      "models": {
        "deepseek-chat": {},
        "deepseek-reasoner": {}
      }
    },
    "moonshot": {
      "name": "Kimi",
      "options": {
        "baseURL": "https://api.moonshot.cn/v1",
        "apiKey": "{env:MOONSHOT_API_KEY}"
      },
      "models": {
        "kimi-k2.5": {}
      }
    }
  },
  "model": "deepseek/deepseek-chat",
  "small_model": "balanced-model",
  "categories": {
    "quick": {
      "model": "deepseek/deepseek-chat"
    },
    "plan": {
      "model": "balanced-model"
    },
    "research": {
      "model": "moonshot/kimi-k2.5"
    },
    "review": {
      "model": "deepseek/deepseek-reasoner"
    }
  }
}

配置说明：

• quick：快速任务使用 DeepSeek，成本最低
• plan：规划任务使用 balanced-model，推理能力强
• research：研究任务使用 Kimi，长上下文优势
• review：代码审查使用 DeepSeek Reasoner，推理过程可解释
• fallback：主 Provider 不可用时自动切换到备用模型

典型参数调优

国产模型的参数调优与国际模型类似，但有一些特殊注意事项。

核心参数说明

不同任务的参数推荐

代码生成：

{
  "temperature": 0.2,
  "top_p": 0.95,
  "max_tokens": 4096
}

代码生成需要较高的确定性，使用较低的 temperature。

创意写作：

{
  "temperature": 0.7,
  "top_p": 0.95,
  "max_tokens": 2048
}

创意任务可以适当提高 temperature，增加多样性。

代码审查：

{
  "temperature": 0.3,
  "top_p": 0.95,
  "max_tokens": 2048
}

代码审查需要平衡确定性和全面性。

长文本分析：

{
  "temperature": 0.1,
  "top_p": 0.95,
  "max_tokens": 8192
}

长文本分析需要高确定性，避免偏离主题。

DeepSeek 特殊参数

DeepSeek-V4 模型支持额外的推理深度控制：

{
  "model": "deepseek-v4-flash",
  "messages": [...],
  "temperature": 1.0,
  "max_tokens": 8192,
  "reasoning_effort": "high"
}

reasoning_effort 控制推理深度：

• high（默认）：平衡推理深度和响应速度
• max：最大推理深度，响应较慢

注意：low和medium 参数已映射到 high，只有 high 和 max 产生不同行为。

Qwen 思考模式参数

Qwen3-Max 支持思考模式（Thinking Mode），通过参数控制：

{
  "model": "qwen3-max",
  "messages": [...],
  "enable_thinking": true,
  "thinking_budget": 4096
}

注意：enable_thinking 和 thinking_budget 需要通过 extra_body 传递（OpenAI SDK 兼容）。

国产模型与国际模型成本对比

国产模型的核心优势之一是成本。以下对比图展示了主流模型的 API 价格差异。

注意：所有定价为 2026 年 6 月数据，以官方定价为准。

%%{init: {'theme':'base', 'themeVariables': {'primaryColor':'#4A90D9', 'secondaryColor':'#50C878', 'tertiaryColor':'#FF9F43'}}}%%
xychart-beta
    title "主流模型 API 价格对比（每百万输入 tokens）"
    x-axis ["GPT-5.4", "Claude Sonnet 4.6", "DeepSeek-V4-Flash", "Kimi K2.6", "Qwen3-Max"]
    y-axis "价格 (USD)" 0 --> 15
    bar [2.50, 3.00, 0.14, 0.95, 1.20]
    line [2.50, 3.00, 0.14, 0.95, 1.20]

成本对比表

注意：Qwen 使用阶梯定价。以上价格为 0-32K tokens 档位的最低价格。

注意：Qwen China 定价（第一档）：输入 ¥2.5/百万，输出 ¥10/百万 ≈ $0.35/$1.40 每百万（约 7.2 CNY/USD）

实际成本计算示例

假设每天处理 100 万 tokens（50 万输入 + 50 万输出）：

结论： DeepSeek-V4-Flash 的年成本为 GPT-5.4 的 3.4%，为 Claude 的 2.3%。对于成本敏感的项目，国产模型是极具吸引力的选择。

注意事项和常见问题

Token 计算差异

国产模型的 Token 计算方式与国际模型略有不同：

中文 Token 效率：

国产模型对中文的 Token 效率通常更高。以“人工智能正在改变世界“为例：

实际影响：

处理中文内容时，国产模型的实际成本可能比标称价格更低，因为相同内容消耗的 Token 更少。

内容安全过滤

国产模型受中国法律法规约束，会对部分内容进行安全过滤：

可能触发过滤的内容：

• 政治敏感话题
• 暴力、色情内容
• 部分国际政治讨论

应对策略：

1. 技术场景通常不受影响：代码生成、技术文档等场景很少触发过滤
2. 调整提示词：避免敏感表述，聚焦技术问题
3. 使用国际模型备用：在类别路由中配置国际模型作为 fallback

API 可用性和速率限制

国产 Provider 的速率限制策略：

提升配额方法：

1. 完成实名认证
2. 充值付费
3. 联系客服申请企业配额

网络代理设置

如果遇到网络问题，可以配置代理：

export HTTP_PROXY="http://127.0.0.1:7890"
export HTTPS_PROXY="http://127.0.0.1:7890"

或在 OpenCode 配置中设置：

{
  "provider": {
    "deepseek": {
      "baseURL": "https://api.deepseek.com",
      "proxy": "http://127.0.0.1:7890"
    }
  }
}

常见错误排查

常见反模式

在生产环境使用未限流的 API Key

现象：使用免费或低配额的 API Key 直接用于生产环境的 Agent 调用，遇到突发请求时出现 429 Too Many Requests。

原因：国内模型服务商的免费 Key 通常有严格的 RPM/TPM 限制。未配置限流和降级策略时，高并发场景直接触发速率限制。

对策：生产环境使用付费配额 Key，配置 fallback Provider 链，并启用 max_concurrent_requests 限制并发量。免费 Key 只用于开发和测试。

忽略模型命名差异

现象：配置文件中模型名称使用了非官方名称（如将 deepseek-chat 写成 deepseek-v2），Agent 启动时提示 Model not found。

原因：国内模型服务商的模型命名频繁变更，且不同服务商使用的模型别名不同。

对策：配置后运行 /models 确认可用模型列表。定期查阅模型服务商官方文档更新模型名称，使用文档中的标准名称。

常见错误与陷阱

API Rate Limit 超过限额

场景：多个 Agent 同时调用同一个 Provider 的 API，触发账户级别的速率限制。

后果：API 返回 429 错误，Agent 任务失败或进入不可预测的回退行为。

预防：配置 fallback 模型链，在 Provider 设置中使用 max_concurrent_requests 限制并发。国内模型建议备用一个不同服务商的 Provider 作为降级选项。

Token Endpoint 配置错误

场景：使用 Azure OpenAI 或国内私有部署的模型时，baseURL 或 endpoint 路径配置错误。

后果：Agent 反复重试连接直到超时，浪费时间。错误不提示具体原因，排查困难。

预防：使用 curl 手动测试 API endpoint 的连通性后再配置。注意国内服务商的 endpoint 路径格式通常与国际版不同。

适用场景与限制

国产模型在某些场景下具有显著优势：中文理解和生成质量普遍优于同等参数规模的国际模型；DeepSeek 在代码生成和数学推理方面表现出色；Kimi 的 128K+ 长上下文窗口适合大型代码库分析。

以下情况建议选用国际模型：需要处理大量英文术语和文档的场景（如 Spring Boot、Kubernetes）；涉及前沿 Agent 能力（如 Tool Use、Function Calling）且国产模型支持不完善的场景；需要严格遵守 OpenAI API 兼容性标准的第三方工具集成。

国内模型服务商的 API 稳定性 和模型更新频率与国际厂商存在差距。建议在关键生产路径中配置多 Provider fallback 链，并定期测试各模型的准确率变化。

小结

国产大模型已经具备了与国际一流模型竞争的实力，在成本、中文处理、长上下文等方面甚至具有独特优势。通过 OpenCode 的 Provider 抽象层，你可以无缝切换国产模型和国际模型，根据任务需求和成本预算灵活选择。

核心要点

1. DeepSeek 性价比最高：适合大规模代码生成和成本敏感场景
2. Kimi 长上下文最强：适合大型代码库分析和长文档处理
3. Qwen 生态最完整：适合企业级应用和多模态需求
4. 混合路由策略：国产模型用于日常任务，国际模型作为备用

下一步

• → 性能调优与成本管理 — 国产模型在模型降级链中的应用
• ← 快速上手 — Provider 配置基础
• ← 国产 AI 编程生态适配 — 生态现状与配置前提