大家好，我是沈工。
这个月 Codex 又续费了。
不是我主动续的，是忘了取消订阅。看到扣款提醒的时候，我第一反应是：
这钱花得不太值。
原本我已经不太打算继续订 Codex。GitHub Copilot 现在我这边也暂时订不上，所以我本来想的是，要么继续订 Claude 试试，要么干脆先什么都不订。
这里插一句题外话：不建议按年订阅，Code Agent 日新月异的更新，换着用才能体会不同。
但既然钱已经花了，我就继续用了一段时间。
用下来之后，我更确定了一件事：
Codex 很好，但它已经不是我日常写代码时最离不开的工具了。
Codex 很好，但没有不可替代#
最近关于 Codex 的文章很多。
教程、评测、对比、最佳实践，基本上隔几天就能刷到一篇。很多人都在说它有多强、多好，甚至比 Claude Code 更好用。
不否认 Codex 的能力。
它的交互体验、任务执行能力都不错。但从我自己的使用场景来看，Pi + DeepSeek V4 系列才是强到不可替代。
我平时用 AI 主要做这些事情：
- 维护开源项目
- 重构代码
- 补测试
- 解决 Bug
- 修改 CI/CD 配置
- 写文档和 README
- 理解一个不熟悉的项目
这些任务，我现在大部分都是用 Pi + DeepSeek V4 系列完成的。
综合体验下来，DeepSeek 给我的感觉就是：
量大，管饱，而且足够好用。
以前我会觉得，AI 编程工具的差距主要在模型能力。
现在我反而觉得，模型能力只是基础。真正影响日常使用的，是成本、额度、速度和工具链适配。
成本差距很明显#
先说 DeepSeek。
我从 4 月末开始比较高频地使用 DeepSeek，到现在一共充了几次钱，每次 10 块人民币，加起来也就 40 块钱。
我的体感就是一句话：
根本用不完。
尤其是 DeepSeek V4 Flash 这类模型，本身就是面向高频使用的模型。它不只是便宜，而是在很多日常编码任务里已经足够顺手。
再看 Codex。
因为这个月已经续费了，不用也浪费，所以我会刻意找一些项目给 Codex 做任务。
但问题也很明显：如果集中处理一个项目，一两个小时之后，额度就很容易见底。现在 weekly limit 已经用完了，还得等上一天才能用。
如果想要更高额度，就要考虑更贵的 Pro 档。对我个人来说，这就不太划算了。
我现在更在意持续可用#
Coding Agent 一旦进入工作流，就不是偶尔问几个问题那么简单。
它会持续读代码、写代码、跑测试、改文档、分析错误、理解上下文。
这些都会消耗 token。
如果一个工具能力很强，但每次用的时候都要想着“省着点”，那它在实际工作里的价值就会打折。
反过来，如果一个模型价格更低，质量也足够好，我就更愿意把它放进日常流程里。
这就是我现在使用 DeepSeek 的感觉。
想到一个点，直接让它分析。
需要改代码，直接让它动手。
结果不满意，继续追问。
这种没有心理负担的使用体验，对 Coding Agent 来说非常重要。
ds4 为什么突然火了？#
最近 GitHub 上有一个很热门的项目叫 ds4。
它是 Redis 作者 antirez，也就是 Salvatore Sanfilippo，做的一个面向 DeepSeek V4 Flash 的本地推理引擎。项目很快就火了，现在 GitHub 上已经有 6k 多 stars。
这个项目能火，我觉得有几个原因。
第一，作者本身就很有影响力。
antirez 是 Redis 的作者，他做的项目天然会吸引很多开发者关注。
第二，跟 ollma 不一样，ds4 只专注于 DeepSeek V4 Flash 这一个模型。
这说明 DeepSeek V4 Flash 已经不是一个普通的“便宜模型”。它已经到了让有影响力的系统级开发者愿意围绕它做专用推理引擎的程度。
第三，本地推理这个方向很有吸引力。
如果未来这类模型可以更稳定地跑在本地机器上，那么 Coding Agent 的 API 调用成本会大幅下降。虽然硬件、内存、电费和维护成本仍然存在，但对很多开发者来说，这已经是一个很值得想象的方向。
所以 ds4 的火，也说明了：开发者认可 DeepSeek V4 Flash 这类高性价比模型了。
那 Copilot 呢？#
如果以后 GitHub Copilot 可以重新顺利订阅，我可能还是会考虑继续用它。
原因很简单：Copilot 的 GitHub 原生集成太好了。
你打开一个仓库，就可以让 Copilot 分析 issue、修改代码、提交 PR。这种体验目前其他工具很难完全替代。
Copilot 的优势不是单纯模型强，而是它已经长在 GitHub 工作流里。
对开发者来说，这一点非常重要。
但 Copilot 也有自己的问题。它的计费和额度规则也在变化。对于高频使用 AI 编程工具的人来说，后续成本和限制仍然需要认真考虑。
所以我最近也在做一个自己的尝试。
RepoKeeper：我自己的一个尝试#
这也是我最近做 RepoKeeper 的原因之一。
我希望它能成为一个更灵活的 GitHub Coding Agent 入口。
跟 Copilot 相比，RepoKeeper 最大的优势不是更原生，而是更自由。
比如：
Backend 可以自定义
现在可以接 Pi，后续也可以接 OpenCode，或者其他 Agent 后端。
模型可以自己选
你可以用 DeepSeek，也可以用 Qwen、Kimi，或者其他性价比更高的模型。
成本更可控
不一定非要绑定某一个平台的订阅和额度。
当然，RepoKeeper 现在还不像 Copilot 那么开箱即用。
Copilot 是 GitHub 原生产品，进入任何仓库都能马上工作。RepoKeeper 还需要先配置 workflow、token 和 backend。
但这些都是一次性的工作。
配置好之后，它就可以成为一个更自由的 AI 编程入口。
这也是我想继续探索的方向：
AI Coding Agent 不一定只能绑定在某一个平台里。
未来开发者可能会更需要一种灵活的方式，把不同模型、不同 Agent、不同仓库工作流连接起来。
我真正想说的#
写这篇文章，不是想证明 Codex 不好。
Codex 是好工具。
Claude 也是好模型。
Copilot 也依然有很强的产品优势。
但对我这种高频使用 AI 编程工具的人来说，最重要的问题已经变成了：
谁能让我一直用。
谁的成本我能接受。
谁能稳定地进入我的日常开发流程。
从这个角度看，DeepSeek V4 系列非常值得认真考虑。
它足够强，足够便宜，也足够适合高频使用。
尤其是对国内的朋友来说，如果访问 Claude 不方便，订阅 Codex 不方便，或者不想被各种额度限制卡住，那么完全可以尝试这样的组合：
一个顺手的 AI 编程工具 + DeepSeek V4 系列模型。
我的感受是：
模型能力已经不是唯一门槛了。
真正重要的是，你能不能把 AI 放进自己的日常开发流程里，并且长期、稳定、低成本地用下去。
至少对我来说，DeepSeek V4 系列已经做到了这一点。
所以下个月 Codex 我大概率会取消。
这笔钱，我更愿意继续充到 DeepSeek 里。
老司机们，我们下期见～
