Claude Code 費用降低 90%：使用 OpenRouter、Ollama 或 LiteLLM

Claude Code 預設搭載 Anthropic 模型，但只需一個環境變數 ANTHROPIC_BASE_URL，就能將請求路由到幾乎任何 LLM 供應商。這意味著你可以改用 DeepSeek，其輸出代價約為 每百萬 Token $0.27，而非 Claude Opus 的 $25；或者透過 Ollama 在本機免費執行模型。本指南涵蓋了在 Claude Code 中使用不同模型的所有方法，並基於我們詳細的 Claude Code 比較文章，為每種方法提供實作設定。

所有方法一覽

根據你的情況選擇合適的方法，然後跳轉至該章節查看設定程式碼。

繼續閱讀以了解每種方法的逐步設定，如果你已經清楚自己的需求，可以直接跳轉至決策框架。

Claude Code 模型切換實際上是如何運作的？

在設定任何代理之前，你需要了解為什麼大多數教學會讓你遇到設定失敗的情況。Claude Code 內部使用的是三個模型槽位（slots），而不是一個：

• Haiku 槽位：用於背景任務，如檔案摘要和標籤補全
• Sonnet 槽位：預設編碼任務，是你最常互動的模型
• Opus 槽位：用於複雜推理、規劃和多步驟代理任務

當你使用 /model 或在啟動時傳遞 --model 來更改模型時，你只更改了主要槽位。Claude Code 仍會嘗試使用 Anthropic 的 API 呼叫其他兩個槽位。如果你將 ANTHROPIC_BASE_URL 指向代理但只設定了一個模型，其他槽位就會因為**「找不到模型」**而報錯。

解決方法：設定所有三個環境變數，確保每個槽位都透過你的代理進行路由。

# Cut Claude Code's Bill 90%: Run OpenRouter, Ollama or LiteLLM
export ANTHROPIC_DEFAULT_HAIKU_MODEL="your-haiku-equivalent"
export ANTHROPIC_DEFAULT_SONNET_MODEL="your-sonnet-equivalent"
export ANTHROPIC_DEFAULT_OPUS_MODEL="your-opus-equivalent"

原生模型切換（Anthropic 模型）

如果你保持在 Anthropic 模型家族內，切換非常直接。可以在 Claude Code 中使用 /model 命令，從終端機啟動時傳遞 --model，或在你的設定檔案中將模型加入 availableModels 陣列。Anthropic 持續在此增加選項，我們的2026 年最新 Claude Code 功能 roundup 追蹤了最近發布的功能。

opusplan 策略

opusplan 是 Claude Code 內建的多模型路由機制。它會自動將背景任務發送給 Haiku，並將複雜推理導向 Opus。你無需手動設定，只需將其選為你的模型即可。這是 Anthropic 針對「為什麼我只是列出檔案就要付 Opus 的價格？」這個問題的答案。在尋求第三方路由器之前，值得先試試看這個方法，如果原始速度是你的優先考量，也可以搭配 Anthropic 的[快速模式](/en/blog/fast-mode-claude-research-preview一起使用。

OpenRouter：一個 API Key，300+ 模型

OpenRouter 扮演 API 聚合器的角色。你只需獲得一個 API Key，即可存取來自 Anthropic、Google、Meta、Mistral、DeepSeek 等供應商的 300 多個模型。大多數模型的定價採用透傳方式，無額外加成。

設定步驟

1. 在 openrouter.ai 建立帳戶並生成 API Key
2. 執行 claude /logout 以清除任何現有的 Anthropic 会话
3. 設定你的環境變數：

export ANTHROPIC_BASE_URL="https://openrouter.ai/api"
export ANTHROPIC_API_KEY="sk-or-v1-your-key-here"

# Map all three model slots
export ANTHROPIC_DEFAULT_HAIKU_MODEL="deepseek/deepseek-chat-v3"
export ANTHROPIC_DEFAULT_SONNET_MODEL="anthropic/claude-sonnet-4"
export ANTHROPIC_DEFAULT_OPUS_MODEL="anthropic/claude-opus-4"

1. 啟動 claude 並驗證連線

注意那三個槽位變數，如果忽略它們，你會遇到上述的「找不到模型」錯誤。官方 OpenRouter 整合指南 確認了此設定。

透過 OpenRouter 推薦的模型

並非 OpenRouter 上的每個模型都能可靠地處理 Claude Code 的工具呼叫（tool calling）。以下是實際表現良好的模型：

成本與帳單

OpenRouter 對大多數模型採用透傳定價。你支付的費用等於底層供應商的收費，部分第三方模型會有少量加成。請在 OpenRouter 儀表板中設定支出上限以避免意外費用。

結論：對於希望以最少設定獲得最大模型多樣性的開發者來說，OpenRouter 是最佳選擇。 一個 API Key、一個帳單儀表板、300+ 模型。在靈活性方面難以匹敵。

Ollama：免費、本機且私密

Ollama 完全在你的機器上執行模型。自 v0.14.0（2026 年 1 月）起，它原生支援 Anthropic Messages API，這意味著 Claude Code 可以在沒有任何轉換層的情況下與其對話。你的程式碼永遠不會離開你的機器。

先決條件與硬體

你需要不錯的硬體才能獲得可用的體驗：

• 7B 模型（快速編輯、簡單任務）：至少 16GB RAM
• 14B 模型（紮實的編碼品質）：32GB RAM，建議使用 GPU
• 32B+ 模型（接近雲端品質）：64GB RAM 或具備 24GB+ VRAM 的專用 GPU

若要深入探索硬體需求和模型選擇，請查看我們的本機執行 LLM 指南。

設定步驟

1. 從 ollama.com 安裝 Ollama
2. 拉取專注於編碼的模型
3. 以相容 Claude Code 的方式啟動
4. 設定你的環境變數

# Install and pull a coding model
ollama pull qwen2.5-coder:14b

# Launch with Claude Code compatibility
ollama launch claude

# Set env vars
export ANTHROPIC_BASE_URL="http://localhost:11434"
export ANTHROPIC_API_KEY="ollama"
export ANTHROPIC_DEFAULT_HAIKU_MODEL="qwen2.5-coder:14b"
export ANTHROPIC_DEFAULT_SONNET_MODEL="qwen2.5-coder:14b"
export ANTHROPIC_DEFAULT_OPUS_MODEL="qwen2.5-coder:14b"

Ollama 整合文件 建議使用具有 64k+ Token 上下文視窗的模型，以獲得最佳的 Claude Code 體驗。

最佳本機編碼模型

誠實地面對一件事：對於複雜的多步驟代理任務，本機模型產生的程式碼品質明顯低於 Claude Sonnet。工具呼叫較不可靠，你會看到更多虛構的檔案路徑。它們非常適合快速編輯、簡單生成和涉及隱私的工作，但不要期望在重構 50 個檔案時能達到原生 Claude 的品質。

結論：對於重視隱私的工作以及希望免費、無限使用的開發者來說，Ollama 是最佳選擇。 如果你有相應的硬體，很難反駁「永遠零美元」的吸引力。

Ollama Cloud vs OpenRouter：定價與適用場景

Ollama 和 OpenRouter 從兩個極端解決成本問題。Ollama 在你控制的硬體上執行模型，每 Token 成本為零，而 OpenRouter 則對 300 多個託管模型收取透傳費用，無需管理硬體。本指南設定的是本機版 Ollama，但如果你改為執行其託管層級，同樣的固定成本與每 Token 成本數學邏輯也適用。

當隱私、離線使用或高頻常規編輯很重要，且你已擁有硬體時，選擇 Ollama。當你想要模型多樣性、無需前期硬體投入，且採用用多少付多少计费時，選擇 OpenRouter。

LM Studio：帶有圖形介面的本機模型

LM Studio 提供與 Ollama 相同的本機模型執行能力，但配備了視覺化介面。你可以在 GUI 中瀏覽模型，點擊選擇量化等級，並在將 Claude Code 指向它之前測試聊天功能。硬體需求與 Ollama 相同。如果你在比較執行器，我們的最佳本機執行 LLM 工具指南涵蓋了各項權衡取舍。

設定

1. 下載 LM Studio 並安裝
2. 搜尋並下載編碼模型（Qwen 2.5 Coder、devstral 等）
3. 從 LM Studio 介面啟動本機伺服器
4. 將 Claude Code 指向它：

# Point Claude Code to LM Studio's local server
export ANTHROPIC_BASE_URL="http://localhost:1234/v1"
export ANTHROPIC_API_KEY="lm-studio"
export ANTHROPIC_DEFAULT_SONNET_MODEL="your-loaded-model-name"

如果你偏好視覺化設定指南，LM Studio 部落格 提供了帶有截圖的操作說明。

結論：對於偏好使用 GUI 而非 CLI 來管理本機模型的開發者，LM Studio 是最佳選擇。 如果你已經習慣使用 ollama pull 和設定檔，請堅持使用 Ollama。如果你想視覺化瀏覽模型並透過滑桿調整設定，LM Studio 是你的首選。

claude-code-router：智能模型路由

claude-code-router 是一個 npm 套件，它在 Claude Code 和你設定的供應商之間運行本機代理。它的有趣之處在於情境感知路由，你可以自動將廉價的背景任務發送給 DeepSeek，預設編碼發送給 Sonnet，複雜推理發送給 Opus。

該專案擁有 30k+ GitHub stars，並支援 OpenRouter、DeepSeek、Gemini、Ollama、Groq、Volcengine 和 SiliconFlow 作為供應商。

安裝與設定

npm install -g claude-code-router
claude-code-router init
claude-code-router start

init 命令會建立一個 config.json，你可以在其中定義供應商和模型映射：

{
  "providers": {
    "openrouter": {
      "apiKey": "sk-or-v1-...",
      "models": {
        "haiku": "deepseek/deepseek-chat-v3",
        "sonnet": "anthropic/claude-sonnet-4",
        "opus": "anthropic/claude-opus-4"
      }
    }
  }
}

情境感知路由設定

這是 claude-code-router 的亮點所在。你可以根據複雜度將不同類型的任務路由到不同的模型。背景摘要發送到廉價模型，而規劃和架構工作則發送到你最好的模型。路由器會透明地處理所有槽位映射。

你也可以混合使用供應商，對涉及隱私的儲存庫使用 Ollama，對其他一切使用 OpenRouter，並在 Claude Code 內部使用 /model 命令進行切換。

結論：對於希望精細控制每個任務類型由哪個模型處理的高級用戶，claude-code-router 是最佳選擇。 它是可配置性最高的選項，但這種靈活性帶來了比簡單替換 ANTHROPIC_BASE_URL 更多的設定工作。

claude-code-proxy 和 LiteLLM：進階設定

這兩種方法服務於不同的需求，但有一個共同點：它們都是翻譯 API 格式之間的代理伺服器。

claude-code-proxy（Gemini 和 OpenAI 後端）

claude-code-proxy 是一個 Python 工具（3.3k GitHub stars），它接受來自 Claude Code 的 Anthropic 格式請求，並在底層透過 LiteLLM 將其轉換為 OpenAI 或 Gemini 格式。這是專門在 Claude Code中使用 Gemini 或 GPT 模型 的最簡單方法。

pip install claude-code-proxy
claude-code-proxy --port 8080

# Then point Claude Code at it
export ANTHROPIC_BASE_URL="http://localhost:8080"
export ANTHROPIC_API_KEY="your-gemini-or-openai-key"

如果你特別想要利用 Gemini 的 1M Token 上下文來處理大型 monorepo，這是最直接的路徑。

LiteLLM（企業級通用代理）

LiteLLM 是一個企業級代理，支援 100+ 供應商，具備負載平衡、故障轉移鏈、速率限制和審計日誌功能。對於單獨開發者來說可能過於誇張，但對於需要在 AI 模型使用方面進行治理的團隊來說至關重要。

設定使用 YAML 設定檔：

model_list:
  - model_name: claude-sonnet-4-20250514
    litellm_params:
      model: gemini/gemini-2.5-flash
      api_key: os.environ/GEMINI_API_KEY
  - model_name: claude-haiku-3-5-20241022
    litellm_params:
      model: deepseek/deepseek-chat
      api_key: os.environ/DEEPSEEK_API_KEY

# Start LiteLLM proxy
litellm --config config.yaml --port 4000

# Point Claude Code to LiteLLM
export ANTHROPIC_BASE_URL="http://localhost:4000"
export ANTHROPIC_API_KEY="sk-litellm"

官方 Claude Code 文件 中有一個重要提示：「Anthropic 不背書、維護或審計 LiteLLM。」可以使用它，但要知道這是一個社群工具，而非 Anthropic 產品。LiteLLM 教程 有更多進階設定範例。

結論：如果你特別想要 Gemini 或 OpenAI 模型，請使用 claude-code-proxy。如果你的團隊需要跨供應商的負載平衡、故障轉移和審計日誌，請使用 LiteLLM。

Claude Code Router vs LiteLLM：你該使用哪一個？

對於希望進行每任務模型路由的單獨開發者來說，Claude Code Router 是更簡單的選擇，而 LiteLLM 則是為需要負載平衡、故障轉移鏈和審計日誌的團隊而建。Router 透過 npm 安裝並讀取 config.json；LiteLLM 則運行一個跨越 100+ 供應商的企業級 YAML 設定代理。

如果你是單獨開發者，希望在 DeepSeek 上執行廉價背景任務並在 Opus 上執行複雜推理，且不想花費太多設定時間，請選擇 claude-code-router。如果你的團隊需要跨供應商的負載平衡、速率限制和審計日誌，請選擇 LiteLLM。

也在權衡其他代理嗎？我們的最佳 LLM 閘道工具 roundup 並排比較了它們。

每種方法的實際成本是多少？

讓我們來看真實數字。以下是每百萬 Token 在最常見的模型/方法組合下的費用：

定價數據來自 Anthropic 官方定價頁面 和 OpenRouter。中等使用量假設每日編碼會話約消耗 5-10M tokens/month。

成本差距顯著，但較便宜的模型產生的程式碼品質較低，特別是在工具呼叫可靠性至關重要的複雜代理任務中。DeepSeek 的 $1.10/MTok 輸出對於常規編輯很棒。但對於需要跨 20 個檔案閱讀、規劃、編輯和驗證的多檔案重構？你仍然會想要 Sonnet 或 Opus。

結論：為了在可接受的品質下節省成本，OpenRouter + DeepSeek 提供了最佳比例。為了零成本，如果你有硬體，Ollama 無人能敵。為了最高品質，Anthropic 直接服務仍然是王者。

你該使用哪種方法？決策框架

這是其他教學通常跳過的部份。與其告訴你「只管用 OpenRouter」，讓我們根據實際需求匹配方法：

你真的應該切換嗎？

誠實的看法：對於大多數從事複雜代理編碼、多檔案重構、架構規劃、調試棘手併發問題的開發者來說，透過 Anthropic 直接使用的 Claude Sonnet 仍然是最佳選擇。原生 Claude 擁有最可靠的工具呼叫、對其自身代理工作流程的最佳理解，以及零代理延遲。

模型切換是针对特定場景的優化：

• 你在不需要 Sonnet 品質的背景任務上消耗大量 Token，或者你經常觸及 Claude 的 2x 使用限制
• 你需要 Gemini 的 1M 上下文視窗來處理巨大的 monorepo
• 你的程式碼不能離開你的機器（政府、醫療保健、金融）
• 你的預算緊張，可接受的品質勝過完美的品質

如果這些都不適用，opusplan（Anthropic 內建的路由）可能就足夠了。

工具呼叫可靠性是這裡最重要的品質指標。層級如下：原生 Claude >> OpenRouter Claude >> DeepSeek/Gemini >> 本機模型。越往下層，你就會看到越多失敗的工具呼叫、虛構的檔案路徑和不完整的編輯。

疑難排解常見問題

「找不到模型」錯誤

這是最常見的問題。當你設定了 ANTHROPIC_BASE_URL 但忘記映射所有三個模型槽位時就會發生。Claude Code 嘗試透過你的代理呼叫 Haiku 或 Opus，代理無法識別預設的 Anthropic 模型名稱，從而導致錯誤。

# Fix: set ALL three model slot variables
export ANTHROPIC_DEFAULT_HAIKU_MODEL="your-model"
export ANTHROPIC_DEFAULT_SONNET_MODEL="your-model"
export ANTHROPIC_DEFAULT_OPUS_MODEL="your-model"

連線被拒絕 / 超時

你的代理未運行，或者 Claude Code 訪問了錯誤的端口。驗證代理進程是否處於活動狀態，並再次檢查 ANTHROPIC_BASE_URL 中的端口。防火牆和 VPN 也可能阻止 localhost 連線。

工具呼叫失敗

模型未能正確支援 Anthropic 的工具使用格式。症狀包括：Claude Code 掛起、產生空的工具呼叫，或編輯錯誤的檔案。切換到具有已驗證工具呼叫支援的模型，Qwen 2.5 Coder 和 devstral 在本機模型中表現最佳。

串流問題

某些代理無法正確處理伺服器發送事件（server-sent events）。回應一次性出現而不是串流顯示，或者在中間截斷。確保你的代理版本是最新的，並檢查其 GitHub issues 以了解已知的串流錯誤。

超出上下文視窗

本機模型通常預設為 4K-8K 上下文視窗。Claude Code 在實際編碼會話中需要遠多於此的空間。使用具有 32K+ 上下文的模型，或者透過 OpenRouter 將長上下文任務路由到 Gemini（1M 視窗）。

使用 OpenRouter 必須先登出

如果你從直接 Anthropic 切換到 OpenRouter，請先執行 claude /logout。Claude Code 會快取身份驗證，即使你更改了基礎 URL，它仍會嘗試使用你的 Anthropic Key。

# Clear cached authentication before switching providers
claude /logout

FAQ

你可以將 Claude Code 與 GPT-4 或 Gemini 一起使用嗎？

可以。claude-code-proxy 將 Anthropic 格式請求轉換為 OpenAI 或 Gemini 格式。你也可以透過 OpenRouter 使用單一 API Key 存取兩者。工具呼叫可能不如原生 Claude 可靠，特別是對於複雜的多步驟任務。

如何在沒有 Anthropic API Key 的情況下使用 Claude Code？

使用 Ollama 進行完全免費的本機使用，無需任何供應商的 API Key。或者，使用 OpenRouter 及其 API Key 格式。你仍然設定 ANTHROPIC_API_KEY 環境變數，但它指向你的代理 Key（例如，OpenRouter 為 sk-or-v1-...，Ollama 為 "ollama"）。

如何設定 Claude Code 與 Ollama？

安裝 Ollama，拉取像 qwen2.5-coder:14b 這樣的模型，執行 ollama launch claude，並設定三個環境變數：ANTHROPIC_BASE_URL、ANTHROPIC_API_KEY 以及三個模型槽位變數。請參閱上面的 Ollama 章節以獲取完整程式碼。

哪些模型最適合 Claude Code？

雲端方面：Claude Sonnet 4 提供最佳編碼品質，而 DeepSeek V3.2 提供最佳價值。本機方面：Qwen 2.5 Coder 14B 是目前黃金標準。決定性因素是工具呼叫可靠性，Claude Code 嚴重依賴它進行檔案操作，而原生 Claude 模型在這方面表現最佳。

如何修復 Claude Code 中的「找不到模型」錯誤？

設定所有三個模型槽位環境變數：ANTHROPIC_DEFAULT_HAIKU_MODEL、ANTHROPIC_DEFAULT_SONNET_MODEL 和 ANTHROPIC_DEFAULT_OPUS_MODEL。發生此錯誤是因為 Claude Code 使用三個內部模型槽位，而未映射的槽位嘗試呼叫你的代理無法識別的模型名稱。

Claude Code 可以與本機模型離線工作嗎？

可以。Ollama 和 LM Studio 完全在你的機器上執行模型，無需網際網路連線。你的程式碼永遠不會離開你的硬體。你需要足夠的規格——7B 模型至少需要 16GB RAM，更大的模型則需要 32GB+。

我可以將 LM Studio 與 Claude Code 一起使用嗎？

可以。LM Studio 運行一個本機伺服器，Claude Code 透過將 ANTHROPIC_BASE_URL 設定為 http://localhost:1234/v1 並將 ANTHROPIC_API_KEY 設定為 lm-studio 來連接。下載像 Qwen 2.5 Coder 這樣的編碼模型，從 LM Studio 的 GUI 啟動伺服器，然後映射你的模型槽位。這是 Ollama CLI 的視覺化替代方案。

什麼是 ANTHROPIC_BASE_URL 以及如何使用它？

這是一個環境變數，告訴 Claude Code 將 API 請求發送到哪裡。預設情況下，它指向 https://api.anthropic.com。將其更改為任何相容 Anthropic 的端點，例如 OpenRouter (https://openrouter.ai/api)、Ollama (http://localhost:11434)、LiteLLM (http://localhost:4000) 等。

claude-code-router 比 LiteLLM 更好嗎？

這是針對不同問題的不同工具。claude-code-router 更簡單（npm install，編輯 config.json，完成）且專為 Claude Code 設計。LiteLLM 是企業級工具，具備負載平衡、速率限制、故障轉移鏈和審計日誌。單獨開發者？使用 claude-code-router。有治理需求的團隊？使用 LiteLLM。

使用非 Anthropic 模型可以節省多少費用？

從 Claude Opus 4.6 切換到 DeepSeek V3.2 可將輸出 Token 成本降低約 95%（每百萬 Token $25 vs $1.10）。如果你有硬體，Ollama 可將成本降至零。但品質權衡是真實存在的，預計在複雜的多步驟代理任務中準確率較低，工具呼叫較不可靠，以及更多虛構的檔案路徑。

工具呼叫在所有代理方法中都有效嗎？

並非在所有情況下都可靠。原生 Claude 擁有最佳的工具呼叫支援。使用 Claude 模型的 OpenRouter 表現幾乎一樣好。DeepSeek 和 Gemini 有部分支援，簡單的工具呼叫有效，但複雜鏈可能會失敗。透過 Ollama 的本機模型 的工具呼叫最不可靠。這是切換離開 Anthropic 時首要的品質擔憂。

來源

• Model Configuration, Claude Code Docs
• LLM Gateway Configuration, Claude Code Docs
• Claude Code Integration, OpenRouter Docs
• Claude Code Integration, Ollama Docs
• Claude API Pricing, Anthropic
• claude-code-router, GitHub
• claude-code-proxy, GitHub
• Use Claude Code with Non-Anthropic Models, LiteLLM Docs