实测对比：在 Claude Code 中接入 DeepSeek 的缓存命中率远超 Codex

近日，一位开发者在技术社区分享了关于将不同 AI 模型接入 Claude Code 的性能对比测试。该开发者使用 ccSwitch 工具，将 OpenAI 的 Codex（或相关 GPT 供应商）与 DeepSeek 模型分别接入 Claude Code 开发环境进行实测。测试数据显示，DeepSeek 在该场景下的缓存命中率稳定保持在 95% 以上，而 Codex 的缓存命中率仅为 50% 左右，两者存在显著差异。缓存命中率是衡量 AI 编程助手效率与成本的关键指标，高命中率意味着模型在处理重复代码上下文时无需重复计算，从而大幅降低 API 调用成本并提升响应速度。该现象引发了社区对于 DeepSeek 模型在上下文处理机制及 API 缓存策略上技术优势的讨论。开发者们正在深入探讨造成这一差异的具体原因，以及是否可以通过配置优化 Codex 的表现，这也侧面反映了在 AI 辅助编程领域，模型的架构优化与生态适配能力已成为用户选择的重要考量标准。

事件分析

💡 核心观点：DeepSeek 在编程场景下的高缓存表现，证明了其架构在处理重复上下文时的高效性，这将重塑 AI 开发工具的成本结构。