1. Windows 上让 Codex 同时跑 GPT 和 DeepSeek-V4 的真实痛点
如果你在 Windows 上用 Codex CLI，又想同时保留 ChatGPT 登录态、再挂一个 DeepSeek-V4 的 Flash / Pro 双模型，大概率会撞上同一个坑：官方给的 DeepSeek 接入方式让你直接改主config.toml，并且强制走 API Key 登录。结果就是auth.json被抢，ChatGPT 会话被踢，终端甩你一句API key login is required, but ChatGPT is currently being used. Logging out.，然后你之前登录的 GPT 环境全没了。
这篇就解决这件事。目标很明确：在 Windows 的C:\Users\<用户名>\.codex目录下，用一份独立的deepseek.config.toml把 DeepSeek-V4 的 Flash 和 Pro 挂进 Codex，默认 GPT 配置一行不动，ChatGPT 登录态保留，通过-p deepseek切到 DeepSeek 会话，会话里用/model在 Flash / Pro 之间热切换，不用重启、不用重新登录。适合已经在用 Codex、想低成本加一个国产强模型的 Windows 开发者，也适合刚接触 Codex profile 机制、想搞懂多 provider 隔离怎么配的人。
下面所有路径、命令、JSON 字段都是可复制直接用的，我按「先讲清楚机制 → 再给配置 → 再验证 → 再排错」的顺序走，你跟着敲就行。
2. 前置准备：TaoToken 统一 Key 与 Codex 版本要求
在动配置文件之前，先把两件事准备好，否则后面会卡在鉴权或模型识别上。
第一是 Codex CLI 版本。models.json里的模型目录依赖minimal_client_version，DeepSeek-V4 这两个条目要求Codex CLI 0.144.0 或更高。低版本会出现模型列不出来、/model里看不到 Pro 的情况。先在 PowerShell 里确认：
codex --version如果低于 0.144.0，先升级再继续。
第二是 Key 的管理方式。这里建议用 TaoToken 做统一入口，把 DeepSeek 的调用收敛到一个 Key 上，后面不管换 Flash 还是 Pro、甚至以后加别的模型，都只改一处。TaoToken 的定位就是给多模型场景做统一 Key 和接入管理，官网在 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API 入口是 https://taotoken.net/api 。
你需要先去控制台拿一个 API Key，入口在这里：https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite ，Key 列表页在 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite 。拿到之后先别急着写进配置，记住一条铁律：真实 Key 只存在本机私有配置里，不要提交到 Git 仓库，也不要贴进共享文档或聊天记录。后面配置里我会用<TAOTOKEN_API_KEY>占位，你替换成自己的。
注意：如果你之前按某些教程改过主
config.toml并加了forced_login_method = "api"，先把它删掉，否则 ChatGPT 登录态还是会被顶掉。这一步是后面「登录态共存」能成立的前提。
3. 可复制配置：deepseek.config.toml 与 models.json 骨架
Codex 的 profile 机制允许你把不同 provider 拆到独立文件，通过-p <profile>加载。我们要动的目录是：
C:\Users\<用户名>\.codex\ ├── config.toml # 原有默认 GPT 配置，不修改 ├── deepseek.config.toml # DeepSeek profile（Flash / Pro 共用） ├── models.json # DeepSeek 模型目录（含 flash 与 pro） └── auth.json # ChatGPT 登录态，不修改3.1 新建 deepseek.config.toml
在C:\Users\<用户名>\.codex\下新建deepseek.config.toml，内容如下：
model = "deepseek-v4-flash" model_provider = "deepseek" model_reasoning_effort = "high" model_catalog_json = "C:/Users/<用户名>/.codex/models.json" disable_response_storage = true [model_providers.deepseek] name = "deepseek" base_url = "https://taotoken.net/api" wire_api = "responses" requires_openai_auth = false experimental_bearer_token = "<TAOTOKEN_API_KEY>"几个关键点解释一下。model默认设成deepseek-v4-flash，也就是你codex -p deepseek进来默认用 Flash，Pro 通过-m或会话内/model选。model_catalog_json指向同目录的models.json，注意这里用正斜杠/，Windows 下 TOML 里反斜杠要转义，用正斜杠最省事。requires_openai_auth = false是登录态共存的核心，它告诉 Codex 这个 provider 不走 OpenAI 的 auth.json，而是用下面的 bearer token。experimental_bearer_token填你的 TaoToken Key。
base_url我填的是 TaoToken 的 API 入口，这样 Flash 和 Pro 都走统一 Key，切换模型不用换 Key。如果你更想直连 DeepSeek 官方，把base_url换成https://api.deepseek.com/、experimental_bearer_token换成 DeepSeek 官方 Key 即可，其余结构不变。
3.2 新建 models.json
models.json是 Codex 客户端的模型目录，通过model_catalog_json加载，用来识别模型名称、推理档位、上下文长度和工具能力。根节点是models数组，需要包含 flash 与 pro 两个条目，字段结构完全一致。先放 flash 条目：
{ "models": [ { "slug": "deepseek-v4-flash", "display_name": "DeepSeek-V4-Flash", "description": "Latest frontier agentic coding model.", "default_reasoning_level": "high", "supported_reasoning_levels": [ { "effort": "low", "description": "Fast responses with lighter reasoning" }, { "effort": "high", "description": "Extra high reasoning depth for complex problems" }, { "effort": "max", "description": "Maximum reasoning depth for the hardest problems" } ], "shell_type": "shell_command", "visibility": "list", "minimal_client_version": "0.144.0", "supported_in_api": true, "priority": 1, "support_verbosity": true, "default_verbosity": "low", "apply_patch_tool_type": "freeform", "web_search_tool_type": "text", "supports_search_tool": true, "input_modalities": ["text"], "supports_image_detail_original": false, "truncation_policy": { "mode": "tokens", "limit": 10000 }, "supports_parallel_tool_calls": true, "multi_agent_version": "v2", "use_responses_lite": false, "context_window": 1048576, "max_context_window": 1048576, "reasoning_summary_format": "experimental", "default_reasoning_summary": "none", "supports_reasoning_summaries": true, "prefer_websockets": false, "include_skills_usage_instructions": false, "experimental_supported_tools": [] } ] }然后复制一份 flash 条目，只改 4 处就得到 pro 条目，对照如下：
| 字段 | flash | pro |
|---|---|---|
| slug | deepseek-v4-flash | deepseek-v4-pro |
| display_name | DeepSeek-V4-Flash | DeepSeek-V4-Pro |
| description | Latest frontier agentic coding model. | Most capable frontier agentic coding model. |
| priority | 1 | 2 |
把改好的 pro 条目追加到models数组里，两个条目的visibility都保持"list"，这样/model才会同时列出两个模型。priority用 1 和 2 区分默认排序，Flash 在前。
提示：
context_window和max_context_window我按 1048576 填，这是模型目录里的声明值，实际可用上下文以服务端返回为准。如果你发现长上下文任务被截断，先检查这里和truncation_policy的limit。
4. 启动、切换与连通性验证
配置写完，先做两步验证，确认登录态没被破坏、DeepSeek 会话能起来。
第一步，确认 ChatGPT 登录态还在：
codex login status正常应该显示Logged in using ChatGPT。如果这里显示未登录，说明你的主config.toml里还有强制 API 登录的残留配置，回去检查forced_login_method和preferred_auth_method。
第二步，启动 DeepSeek 会话：
codex -p deepseek进入后默认是 Flash。在会话里输入/model，应该能看到DeepSeek-V4-Flash和DeepSeek-V4-Pro两个选项，选 Pro 之后后续消息就用 Pro 跑，这个切换只影响当前会话，重启后回到 profile 默认的 Flash。
如果你想直接以 Pro 启动，用：
codex -p deepseek -m deepseek-v4-pro恢复会话也支持指定 profile：
codex resume --last -p deepseek codex resume <SESSION_ID> -p deepseek恢复成 Pro 就在 resume 命令后加-m deepseek-v4-pro。这里-p deepseek是选 provider，-m可选，缺省就是 Flash。
验证连通性最直接的方式，是在 DeepSeek 会话里发一个需要推理的小任务，比如让它读一个本地文件并解释逻辑，观察是否正常返回、工具调用是否触发。如果返回正常，说明 Key、base_url、wire_api 三者都对上了。想单独验证模型对话能力，也可以走模型对话入口：https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite 。
5. 本篇常见错排查
报错一：API key login is required, but ChatGPT is currently being used. Logging out.
这是最典型的。原因是 DeepSeek 配置直接写进了主config.toml，或者 profile 里带了forced_login_method = "api"/preferred_auth_method = "apikey"，导致它和 ChatGPT 共用auth.json时抢登录态。解决方式就是本篇的结构：主config.toml保留 GPT 默认配置不动，DeepSeek 单独放deepseek.config.toml，只通过-p deepseek加载，并且设requires_openai_auth = false。切换 DeepSeek 时不要执行codex logout或重新登录。
报错二：/model里只有 Flash，看不到 Pro
先查models.json里 pro 条目是否真的加进了models数组，再查它的visibility是不是"list"。如果两个都对，检查 Codex 版本是否 ≥ 0.144.0，低版本读不了minimal_client_version声明的模型。
报错三：启动后请求 401 或鉴权失败
八成是experimental_bearer_token没替换成真实 Key，或者 Key 前后带了空格、引号。TOML 里字符串用双引号包住，别把<TAOTOKEN_API_KEY>原样留着。另外确认base_url和 Key 是配套的，TaoToken 的 Key 配 TaoToken 的入口，别混用。
报错四：模型能列出但请求超时
检查base_url是否可达，wire_api = "responses"是否和服务端支持的协议一致。DeepSeek 官方 Responses API 的model参数同时支持deepseek-v4-flash和deepseek-v4-pro，如果你直连官方，确认用的是 Responses 协议而不是 Chat Completions。
报错五：改了配置不生效
Codex 读的是启动时加载的 profile 文件，改完deepseek.config.toml或models.json后要退出当前会话重新codex -p deepseek。会话内/model切换只影响当前会话，不会重载文件。
6. 长期编码与 Agent 场景的接入建议
如果你只是偶尔切一下 DeepSeek 试模型，上面的配置就够了。但如果你打算把 DeepSeek-V4 当成日常编码和 Agent 任务的主力，建议把 Key 和额度管理也收敛一下，避免多个项目各配一份 Key 导致对不上账。TaoToken 的 Coding Plan 就是给这种长期编码场景准备的，入口在 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite ，适合把 Flash 当日常快模型、Pro 当复杂任务模型的分工用法。
接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite ，里面有针对不同客户端的配置说明，遇到字段对不上时可以对照查。如果你用的是 Claude Code 那套 Anthropic 风格的接入，也有对应页面：https://taotoken.net/claudecode-anthropic?utm_source=taotoken_aicg_blog_end&utm_content=claudecode-anthropic&utm_campaign=rewrite 。
最后留一个我自己的使用习惯：Flash 用来跑文件读写、批量重构、跑测试这类高频轻推理任务，Pro 留给架构设计、复杂 bug 定位、多文件联动改这种需要深推理的场景。会话内/model热切换的好处就是同一个上下文里可以先 Flash 快速铺开、再切 Pro 收口，不用重开会话丢上下文。配置一次，后面基本不用再动。
