DeepClaude remplace le backend Anthropic de Claude Code par DeepSeek V4 Pro à un coût 17 fois inférieur

✍️ OpenClawRadar📅 Publié: May 4, 2026🔗 Source
DeepClaude remplace le backend Anthropic de Claude Code par DeepSeek V4 Pro à un coût 17 fois inférieur
Ad

La boucle agent autonome de Claude Code (édition de fichiers, bash, git, création de sous-agents) est la meilleure de sa catégorie. Le problème : elle coûte 200 $/mois avec des limites. DeepClaude est un script shell mince qui change le modèle backend tout en conservant l'ensemble de la boucle d'outils inchangée. Le backend par défaut est DeepSeek V4 Pro (0,44 $/M entrée, 0,87 $/M sortie) contre 3 $/15 $ par million de tokens chez Anthropic — une différence de prix de 17x.

Comment ça marche

Claude Code lit les variables d'environnement pour le point d'accès API et l'authentification. DeepClaude les définit par session :

  • ANTHROPIC_BASE_URL — point d'accès API
  • ANTHROPIC_AUTH_TOKEN — clé API pour le backend
  • ANTHROPIC_DEFAULT_OPUS_MODEL — nom du modèle pour les tâches Opus
  • ANTHROPIC_DEFAULT_SONNET_MODEL — nom du modèle pour les tâches Sonnet
  • ANTHROPIC_DEFAULT_HAIKU_MODEL — nom du modèle pour les tâches Haiku (sous-agents)
  • CLAUDE_CODE_SUBAGENT_MODEL — modèle pour les sous-agents créés

Après le lancement, les paramètres d'origine sont restaurés à la sortie.

Démarrage rapide (2 minutes)

1. Obtenez une clé API DeepSeek — inscrivez-vous sur platform.deepseek.com, ajoutez 5 $ de crédit.

2. Définissez la variable d'environnement :

# Windows (PowerShell)
setx DEEPSEEK_API_KEY "sk-votre-clé-ici"

macOS/Linux

echo 'export DEEPSEEK_API_KEY="sk-votre-clé-ici"' >> ~/.bashrc source ~/.bashrc

3. Installez le script :

# Windows — copiez dans un répertoire du PATH
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. Utilisez-le :

deepclaude                              # Lancement avec DeepSeek V4 Pro (par défaut)
deepclaude --status                     # Affiche les backends disponibles et les clés
deepclaude --backend or                 # Utilise OpenRouter (0,44 $/M entrée)
deepclaude --backend fw                 # Utilise Fireworks AI (le plus rapide, serveurs US)
deepclaude --backend anthropic          # Claude Code normal (pour Opus)
deepclaude --cost                       # Affiche la comparaison des prix
deepclaude --benchmark                  # Test de latence sur tous les fournisseurs
Ad

Backends supportés

BackendOptionEntrée/MSortie/MServeursNotes
DeepSeek (par défaut)--backend ds0,44 $0,87 $ChineMise en cache automatique du contexte (120x moins cher sur les tours répétés)
OpenRouter--backend or0,44 $0,87 $USLatence la moins chère depuis les US/UE
Fireworks AI--backend fw1,74 $3,48 $USInférence la plus rapide
Anthropic--backend anthropic3,00 $15,00 $USClaude Opus original

Comparaison des coûts

  • Utilisation légère (10 jours/mois) : Anthropic Max 200 $/mois → DeepSeek ~20 $/mois → 90 % d'économies
  • Utilisation intensive (25 jours/mois) : 200 $/mois → ~50 $/mois → 75 % d'économies
  • Avec boucles automatiques : 200 $/mois → ~80 $/mois → 60 % d'économies

La mise en cache automatique du contexte de DeepSeek rend les boucles d'agents extrêmement économiques — après la première requête, le prompt système et le contexte du fichier sont mis en cache à 0,004 $/M contre 0,44 $/M sans cache.

Ce qui fonctionne et ce qui ne fonctionne pas

Fonctionne : Lecture/écriture/édition de fichiers, exécution bash/PowerShell, recherche glob/grep, boucles d'outils autonomes en plusieurs étapes, création de sous-agents, opérations git, initialisation de projet (/init), mode réflexion (activé par défaut).

Ne fonctionne pas ou dégradé : Entrée image/vision (le point d'accès Anthropic de DeepSeek ne prend pas en charge les images), utilisation parallèle d'outils (désactivée — les outils s'exécutent un par un), outils de serveur MCP (non supportés via la couche de compatibilité). Les économies de mise en cache des prompts sont gérées par le propre système de DeepSeek.

À qui cela s'adresse

Développeurs utilisant intensivement Claude Code en boucles d'agents et souhaitant une fonctionnalité quasi identique à une fraction du coût — en particulier pour les tâches de codage itératives où le score LiveCodeBench de 96,4 % de DeepSeek V4 Pro est plus que suffisant.

📖 Lire la source complète : HN AI Agents

Ad

👀 See Also

EmoBar : Visualisation des vecteurs d'émotion internes de Claude à partir du document d'Anthropic
Tools

EmoBar : Visualisation des vecteurs d'émotion internes de Claude à partir du document d'Anthropic

Un développeur a créé EmoBar, un outil open-source qui visualise les 171 représentations internes des émotions identifiées dans Claude selon le récent article d'Anthropic. L'outil utilise une approche à double canal pour mettre en évidence ces vecteurs mesurables qui influencent causalement le comportement du modèle.

OpenClawRadar
Opendesk : Algorithme MCP + SOM pour le contrôle de bureau par IA via Claude Code
Tools

Opendesk : Algorithme MCP + SOM pour le contrôle de bureau par IA via Claude Code

Opendesk donne aux agents IA des yeux et des mains sur votre bureau via un serveur MCP avec un algorithme SOM personnalisé. S'intègre à Claude Code ou à tout harnais agentique pour le contrôle souris/clavier, l'apprentissage, le rejeu et la planification.

OpenClawRadar
Remplacer les pipelines de récupération complexes par des commandes git simples pour les agents IA
Tools

Remplacer les pipelines de récupération complexes par des commandes git simples pour les agents IA

Un développeur a remplacé son image Docker de 3 Go avec sentence-transformers, rank-bm25 et scikit-learn par un seul outil qui permet aux agents IA d'exécuter des commandes shell en lecture seule comme git log, grep et git diff directement sur leur référentiel de mémoire.

OpenClawRadar
Code Claude utilisé pour simuler plus de 4 000 parties de Loup-garou aveugle avec des LLM
Tools

Code Claude utilisé pour simuler plus de 4 000 parties de Loup-garou aveugle avec des LLM

Un développeur a utilisé Claude Code pour créer un simulateur où des LLM jouent à Loup-garou en une nuit sans informations, exécutant environ 4 600 parties avec des modèles d'OpenAI et xAI. L'expérience a révélé des schémas de vote cohérents basés sur les noms malgré des signaux de jeu minimaux.

OpenClawRadar