DeepClaude ersetzt das Anthropic-Backend von Claude Code durch DeepSeek V4 Pro zu 17-fach niedrigeren Kosten

Claude Codes autonomer Agentenloop (Dateibearbeitung, Bash, Git, Subagenten-Spawning) ist der Beste seiner Klasse. Das Problem: Er kostet 200 $/Monat mit Begrenzungen. DeepClaude ist ein dünnes Shell-Skript, das das Backend-Modell austauscht, während der gesamte Tool-Loop unverändert bleibt. Standard-Backend ist DeepSeek V4 Pro (0,44 $/M Input, 0,87 $/M Output) im Vergleich zu Anthropics 3 $/15 $ pro Million Tokens – ein Preisunterschied von 17x.
Wie es funktioniert
Claude Code liest Umgebungsvariablen für API-Endpunkt und Authentifizierung aus. DeepClaude setzt diese pro Sitzung:
ANTHROPIC_BASE_URL– API-EndpunktANTHROPIC_AUTH_TOKEN– API-Schlüssel für das BackendANTHROPIC_DEFAULT_OPUS_MODEL– Modellname für Opus-AufgabenANTHROPIC_DEFAULT_SONNET_MODEL– Modellname für Sonnet-AufgabenANTHROPIC_DEFAULT_HAIKU_MODEL– Modellname für Haiku-Aufgaben (Subagenten)CLAUDE_CODE_SUBAGENT_MODEL– Modell für gespawnte Subagenten
Nach dem Start werden die ursprünglichen Einstellungen beim Beenden wiederhergestellt.
Schnellstart (2 Minuten)
1. DeepSeek-API-Schlüssel besorgen – Registrierung unter platform.deepseek.com, 5 $ Guthaben aufladen.
2. Umgebungsvariable setzen:
# Windows (PowerShell)
setx DEEPSEEK_API_KEY "sk-your-key-here"
macOS/Linux
echo 'export DEEPSEEK_API_KEY="sk-your-key-here"' >> ~/.bashrc
source ~/.bashrc
3. Skript installieren:
# Windows – in ein Verzeichnis im PATH kopieren
Copy-Item deepclaude.ps1 "$env:USERPROFILE\.local\bin\deepclaude.ps1"
macOS/Linux
chmod +x deepclaude.sh
sudo ln -s "$(pwd)/deepclaude.sh" /usr/local/bin/deepclaude
4. Nutzung:
deepclaude # Start mit DeepSeek V4 Pro (Standard)
deepclaude --status # Verfügbare Backends und Schlüssel anzeigen
deepclaude --backend or # OpenRouter verwenden (0,44 $/M Input)
deepclaude --backend fw # Fireworks AI verwenden (schnellste, US-Server)
deepclaude --backend anthropic # Normales Claude Code (für Opus)
deepclaude --cost # Preisvergleich anzeigen
deepclaude --benchmark # Latenztest über alle Anbieter
Unterstützte Backends
| Backend | Flag | Input/M | Output/M | Server | Hinweise |
|---|---|---|---|---|---|
| DeepSeek (Standard) | --backend ds | 0,44 $ | 0,87 $ | China | Automatisches Context Caching (120x günstiger bei wiederholten Durchläufen) |
| OpenRouter | --backend or | 0,44 $ | 0,87 $ | USA | Günstigste Latenz von USA/EU |
| Fireworks AI | --backend fw | 1,74 $ | 3,48 $ | USA | Schnellste Inferenz |
| Anthropic | --backend anthropic | 3,00 $ | 15,00 $ | USA | Original Claude Opus |
Kostenvergleich
- Leichte Nutzung (10 Tage/Monat): Anthropic Max 200 $/Monat → DeepSeek ~20 $/Monat → 90 % Ersparnis
- Starke Nutzung (25 Tage/Monat): 200 $/Monat → ~50 $/Monat → 75 % Ersparnis
- Mit Auto-Loops: 200 $/Monat → ~80 $/Monat → 60 % Ersparnis
DeepSeeks automatisches Context Caching macht Agentenloops extrem günstig – nach der ersten Anfrage werden System-Prompt und Datei-Kontext zu 0,004 $/M statt 0,44 $/M ungecachtet.
Was funktioniert und was nicht
Funktioniert: Dateien lesen/schreiben/bearbeiten, Bash/PowerShell-Ausführung, Glob/Grep-Suche, mehrstufige autonome Tool-Loops, Subagenten-Spawning, Git-Operationen, Projektinitialisierung (/init), Denkmodus (standardmäßig aktiviert).
Funktioniert nicht oder eingeschränkt: Bild-/Vision-Input (DeepSeeks Anthropic-Endpunkt unterstützt keine Bilder), parallele Tool-Nutzung (deaktiviert – Tools werden nacheinander ausgeführt), MCP-Server-Tools (nicht über Kompatibilitätsschicht unterstützt). Einsparungen durch Prompt-Caching werden von DeepSeeks eigenem System übernommen.
Für wen es gedacht ist
Entwickler, die Claude Code stark in Agentenloops einsetzen und eine nahezu identische Funktionalität zu einem Bruchteil der Kosten wünschen – besonders für iterative Programmieraufgaben, bei denen DeepSeek V4 Pros 96,4 % LiveCodeBench-Punktzahl mehr als ausreichend ist.
📖 Vollständigen Quellcode lesen: HN AI Agents
👀 Siehe auch

Spec27: Spezifikationsgesteuerte Validierung für KI-Agenten – API-Level-Tests ohne internen Zugriff
Spec27 ist ein neues Tool von Safe Intelligence für spezifikationsgesteuerte Validierung von KI-Agenten. Es testet das Verhalten von Agenten von außen nach innen, führt adversarielle und Robustheitsprüfungen gegen primäre Schnittstellen durch, ohne SDKs, Gateways oder interne Ablaufverfolgung zu benötigen.
MartinLoop: Open-Source-Steuerungsebene für KI-Coding-Agenten mit Budgetgrenzen und Prüfpfaden
MartinLoop ist eine Open-Source-Steuerungsebene für KI-Coding-Agenten, die harte Budgetstopps, JSONL-Audit-Trails, Fehlerklassifizierung und testverifizierte Abschlussprüfungen hinzufügt.

Schwarzes LLAB: Open-Source-Architektur für dynamisches Modell-Routing und Docker-isolierte KI-Agenten
Ein Entwickler hat Black LLAB als Open-Source-Projekt veröffentlicht, ein System, das Mistral 3B nutzt, um Anfragen zwischen lokalen und Cloud-Modellen zu routen und KI-Agenten in isolierten Docker-Containern mit OpenClaw-Integration auszuführt.

Rukuzu: Portierung einer 200.000 Zeilen umfassenden C++-Graphdatenbank zu Rust mit systematischem Testen
Das Rukuzu-Projekt beschreibt einen Workflow für die Portierung der 200.000 Zeilen umfassenden C++-kuzu-Embedded-Graphdatenbank zu Rust, wobei ein Claude Code Custom Command verwendet wird, um beide Versionen gleichzeitig zu pflegen und die Korrektheit durch über 2.700 Tests zu überprüfen.