GLM、Qwen、DeepSeek 接上 Claude Code 與 Codex：哪些在本機、哪些其實在雲端

這篇回答一個問題：把 Claude Code 或 Codex 的模型換成 GLM、Qwen 或 DeepSeek，模型到底跑在哪裡？結論是同一個名字有三種跑法，權重下載到自己電腦、Ollama 的 :cloud 標籤、供應商自己的端點；只有第一種由你電腦上的程式處理提示詞，另外兩種都會把內容送到別人的伺服器。

步驟與指令都來自官方文件，本站沒有實測；標籤、大小與端點取自 2026 年 10 月 3 日重讀的官方頁。讀完你能分辨 Ollama 的標籤在本機還是雲端，並拿到讓 Claude Code 指到三家端點的環境變數、讓 Codex 指到兩家端點的 config.toml。前提是裝好 Claude Code 或 Codex；接供應商端點要有該家的 API 金鑰，一律放進環境變數；走本機則要裝好 Ollama。

同一個名字，三種跑法：資料各走哪條路

第一種是權重下載到自己電腦：Ollama 模型頁標籤表的 Size / Usage 欄是檔案大小，例如 glm-4.7-flash:q4_K_M 寫 19GB，由你電腦上的 Ollama 執行。第二種是 Ollama 的 :cloud 標籤，例如 glm-5.3-flash:cloud，同一欄寫「-」，能力列多一個 cloud，跑在 Ollama 的雲端。第三種是供應商自己的端點，例如 Z.ai 的 api.z.ai、DeepSeek 的 api.deepseek.com，不經過 Ollama，直接把 Claude Code 或 Codex 的請求網址改成供應商的。

Ollama 的 glm-5.3-flash 模型頁寫，這個模型託管在美國與歐洲，和 Ollama 雲端上的其他模型一樣依 Ollama 的隱私政策處理，並寫了 zero data retention；本篇讀到的 deepseek-v4.1-flash 頁面沒有同一句。供應商端點的資料處理要讀各家的隱私政策，DeepSeek 的部分見《DeepSeek 資料去哪裡：隱私、審查與台灣使用者的取捨》。本篇說的資料只指模型請求送到哪裡。

Ollama 模型頁的 Applications 區印出 Claude Code 的啟動指令，本篇讀的五頁格式一樣，只差標籤，下面照抄。這一區列 Claude Code、OpenCode、Hermes Agent、OpenClaw，沒有 Codex，本篇也不寫 Codex 搭 Ollama。

# 來源：Ollama 模型頁的 Applications 區，每一頁都印了一行 Claude Code 的啟動指令。
# 指令一模一樣，只有標籤不同，跑的地方就不同。這一區沒有列 Codex。

# 權重下載到自己電腦：標籤沒有 cloud，標籤表的 Size / Usage 欄是檔案大小。
ollama launch claude --model qwen3.5
ollama launch claude --model glm-4.7-flash
ollama launch claude --model deepseek-r1

# 跑在 Ollama 的雲端：標籤帶 cloud，Size / Usage 欄寫「-」，提示詞會送到 Ollama。
ollama launch claude --model glm-5.3-flash:cloud
ollama launch claude --model deepseek-v4.1-flash:cloud

三家在 Ollama 的標籤：哪些能下載，哪些只有 :cloud

Qwen：qwen3.5 模型頁 0.8b 到 122b 七個尺寸標籤從 1.0GB 到 81GB，能力列是 vision、tools、thinking，頁面上沒有帶 cloud 的標籤；Ollama 上的其他 Qwen 檔案庫本篇沒有讀，不下「Qwen 沒有雲端標籤」的結論。版本與授權怎麼分，見《本機跑 Qwen：中文表現與設定》與《通義千問 Qwen：開放權重模型家族與 Qwen Studio》。

GLM：本篇讀的 GLM 模型頁裡能下載的是 glm-4.7-flash，只有四個標籤，latest 與 q4_K_M 是 19GB，q8_0 是 32GB，bf16 是 60GB。較新的 glm-5.3-flash 在 Ollama 只有 glm-5.3-flash:cloud 一個標籤，大小欄寫「-」，上下文視窗 1M。要在 Ollama 上用 GLM-5.3-Flash，查證當天只有 Ollama 雲端這條路。

DeepSeek：本篇讀的 DeepSeek 模型頁裡能下載的是 deepseek-r1，頁面列的七個尺寸標籤從 1.5b 的 1.1GB 到 671b 的 404GB。頁面把 deepseek-r1:671b 標成 DeepSeek-R1，其餘六個列在蒸餾模型之下；蒸餾版是什麼、本機怎麼跑，見《在自己電腦跑 DeepSeek：Ollama 蒸餾版教學》。deepseek-v4.1-flash 和 glm-5.3-flash 一樣，只有 deepseek-v4.1-flash:cloud 一個標籤。DeepSeek 自己的 Claude Code 與 Codex 頁用的模型名是 deepseek-flash 與 deepseek-v4-pro，和 deepseek-r1 對不上。

Claude Code 指到供應商端點：三組環境變數

Anthropic 的 LLM 閘道文件寫，Anthropic 不背書、不維護也不稽核第三方閘道產品，並且不支援透過任何閘道把 Claude Code 導到非 Claude 模型；同一頁把 ANTHROPIC_BASE_URL 稱為把 Claude Code 指向閘道的變數。下面三家的頁面用的也是 ANTHROPIC_BASE_URL，回答的是各家頁面設定的模型。供應商端點算不算這一頁說的閘道，兩邊頁面都沒有寫，本篇只轉述各自的寫法，不做條款解讀。

三家頁面都設兩個環境變數：ANTHROPIC_BASE_URL 指到供應商的網址，ANTHROPIC_AUTH_TOKEN 放供應商的金鑰。要一起設：Anthropic 的文件寫，只設網址而不設憑證時，已儲存的 claude.ai 登入仍是有效的憑證，它的用量限制與計費照舊適用。Z.ai 與阿里雲的頁面把這些變數寫進 ~/.claude/settings.json 的 env 欄位，DeepSeek 的頁面用 export；下面三個函式都改寫成 export，金鑰讀自你放好的環境變數，變數名是本篇取的。三個端點都在供應商的伺服器上，不是本機。

# use-endpoint.sh：三個函式，各把 Claude Code 指到一家供應商自己的端點。
# 這三個端點都在供應商的伺服器上，不是本機：啟動 claude 之後，
# 你送出的提示詞與程式碼內容會到供應商那裡。
# 金鑰先放進自己的環境變數（ZAI_API_KEY 等，名稱是本篇取的），不寫進這支腳本。
# 用法：source use-endpoint.sh && use_deepseek && claude

# 換回原本的設定：清掉這幾個變數，或開一個新的終端機視窗。
use_default() {
  unset ANTHROPIC_BASE_URL ANTHROPIC_AUTH_TOKEN ANTHROPIC_MODEL API_TIMEOUT_MS
  unset ANTHROPIC_DEFAULT_OPUS_MODEL ANTHROPIC_DEFAULT_SONNET_MODEL ANTHROPIC_DEFAULT_HAIKU_MODEL
  unset CLAUDE_CODE_SUBAGENT_MODEL CLAUDE_CODE_MAX_CONTEXT_TOKENS
}

use_zai() {
  # 來源：Z.ai 的 Claude Code 頁（GLM Coding Plan；頁面寫進 settings.json，這裡改成 export）
  use_default
  export ANTHROPIC_BASE_URL="https://api.z.ai/api/anthropic"
  export ANTHROPIC_AUTH_TOKEN="$ZAI_API_KEY"
  export API_TIMEOUT_MS="3000000"
}

use_deepseek() {
  # 來源：DeepSeek 的 Claude Code 頁
  use_default
  export ANTHROPIC_BASE_URL="https://api.deepseek.com/anthropic"
  export ANTHROPIC_AUTH_TOKEN="$DEEPSEEK_API_KEY"
  export ANTHROPIC_MODEL="deepseek-flash[1m]"
  export ANTHROPIC_DEFAULT_OPUS_MODEL="deepseek-flash[1m]"
  export ANTHROPIC_DEFAULT_SONNET_MODEL="deepseek-flash[1m]"
  export ANTHROPIC_DEFAULT_HAIKU_MODEL="deepseek-flash"
  export CLAUDE_CODE_SUBAGENT_MODEL="deepseek-flash"
}

use_qwen_cloud() {
  # 來源：阿里雲國際站 Model Studio 的 Claude Code 頁（Token Plan；頁面寫進 settings.json，這裡改成 export）
  use_default
  export ANTHROPIC_BASE_URL="https://token-plan.ap-southeast-1.maas.aliyuncs.com/apps/anthropic"
  export ANTHROPIC_AUTH_TOKEN="$MODELSTUDIO_API_KEY"
  export ANTHROPIC_MODEL="auto"
  export ANTHROPIC_DEFAULT_HAIKU_MODEL="qwen3.6-flash"
  export ANTHROPIC_DEFAULT_SONNET_MODEL="qwen3.8-flash"
  export ANTHROPIC_DEFAULT_OPUS_MODEL="qwen3.8-max"
  export CLAUDE_CODE_SUBAGENT_MODEL="auto"
  export CLAUDE_CODE_MAX_CONTEXT_TOKENS="983616"
}

• Z.ai：頁面副標寫的是在 Claude Code 使用 GLM Coding Plan 的方法。函式照頁面自動腳本那一組，只設網址、金鑰與 API_TIMEOUT_MS（3000000）。別名頁面有兩種寫法：前段列的預設對照是 opus、sonnet、haiku 三個都對到 GLM-5.3-Flash；手動設定的範例則把 haiku 設成 glm-5.3-flash[1m]、sonnet 與 opus 設成 glm-5.3[1m]，頁首另指向一頁切換到 GLM-5.3 的說明。函式不設別名，要用哪一組以官網為準。
• DeepSeek：函式照抄頁面的 export，頁面另設的 CLAUDE_CODE_EFFORT_LEVEL 與 CLAUDE_CODE_AUTO_COMPACT_WINDOW 這裡略過。頁面寫，傳入的模型名以 claude-opus 開頭的對到 deepseek-v4-pro，並以 V4 Pro 的價格計費，價格以官網為準；以 claude-haiku 或 claude-sonnet 開頭的對到 deepseek-flash。範例則把三個別名都設成 deepseek-flash（opus 與 sonnet 加上 [1m]）。
• 阿里雲百鍊（國際站文件）：頁面列了 Pay-as-you-go、Coding Plan、Token Plan Personal Edition、Token Plan Team Edition 四種連法；設定那一節裡，Token Plan 的兩個版本共用一個網址，其餘各有各的網址。函式用 Token Plan 的網址；Coding Plan 是 https://coding-intl.dashscope.aliyuncs.com/apps/anthropic；Pay-as-you-go 要把網址裡的 WorkspaceId 換成你的 Workspace ID，頁面列了北京、新加坡、維吉尼亞三個區域，金鑰要和區域一致。同一頁的疑難排解表另列了三組不同的網址，例如 Pay-as-you-go 寫 https://dashscope.aliyuncs.com/apps/anthropic，和設定那一節不一樣；函式照設定那一節，以官網為準。範例另設 CLAUDE_CODE_MAX_CONTEXT_TOKENS 為 983616，頁面說 Claude Code 預設用 200K 的上下文視窗。設好之後，頁面建議在 Claude Code 裡執行 /status，確認 ANTHROPIC_BASE_URL 與 ANTHROPIC_AUTH_TOKEN 指到 Model Studio 的位址。Z.ai 與阿里雲的頁面都依各自的方案寫，方案內容與費用以官網為準。

Codex 指到供應商端點：config.toml 的 model_providers

Codex 的設定檔是 ~/.codex/config.toml。三家頁面的 Responses 寫法用同一個模式：在 [model_providers.名稱] 區段寫 base_url 與 wire_api = "responses"，用 model_provider 指到它，再用 model_catalog_json 指向一份列出模型資料的 JSON 檔。Codex 的設定參考頁寫，wire_api 只支援 responses、省略時也是它。Z.ai 的 Codex 頁用警告框標出要用專門的 OpenAI Responses 協定端點，網址和它 Claude Code 頁的不同；DeepSeek 的頁面寫 DeepSeek API 原生支援 Responses API。

金鑰有兩種寫法。Z.ai 與 DeepSeek 的範例用 experimental_bearer_token，DeepSeek 的欄位說明寫那是直接存在設定檔裡的金鑰，Z.ai 的頁面也提醒不要把金鑰寫死在程式碼裡；阿里雲則先設 OPENAI_API_KEY 環境變數，再在區段裡寫 env_key = "OPENAI_API_KEY"。Codex 的設定參考頁寫，env_key 是提供這家 API 金鑰的環境變數，experimental_bearer_token 則標明不建議、請改用 env_key。下面兩份 toml 都用 env_key，變數名是本篇取的，其餘欄位照各家頁面；這是本篇的改寫，不是兩家的原文。兩個端點都不是本機。

# ~/.codex/config.toml：Codex 接 Z.ai 的 GLM（照 Z.ai 的 Codex 頁，金鑰改成讀環境變數）
# 這個端點在 Z.ai 的伺服器上，不是本機：Codex 送出的內容會到 Z.ai。
# 先把 API 金鑰存進環境變數 ZAI_API_KEY，不要寫進這個檔案。
# models.json 的內容照 Z.ai 頁面「Create the Model Catalog File」那一步建立，本篇不重貼。

model_provider = "ZAI"
model = "glm-5.3"
model_reasoning_effort = "max"
model_catalog_json = "~/.codex/models.json"

[model_providers.ZAI]
name = "ZAI"
base_url = "https://api.z.ai/api/v1"
env_key = "ZAI_API_KEY"
wire_api = "responses"

# ~/.codex/config.toml：Codex 接 DeepSeek（照 DeepSeek 的 Codex 頁，金鑰改成讀環境變數）
# 這個端點在 DeepSeek 的伺服器上，不是本機：Codex 送出的內容會到 DeepSeek。
# 先把 API 金鑰存進環境變數 DEEPSEEK_API_KEY，不要寫進這個檔案。
# models.json 的內容照 DeepSeek 頁面的 Option 2 建立，本篇不重貼。
# 比 Z.ai 多的幾行是 DeepSeek 頁面的範例寫法；頁面說明 forced_login_method 是用 API 金鑰認證、
# 略過 ChatGPT 帳號登入，web_search 是對 DeepSeek 模型關閉內建網頁搜尋。
# 頁面另有 preferred_auth_method = "apikey"，Codex 的設定參考頁沒有這個鍵，這裡不放；
# 頁面的 [desktop] 區段是 ChatGPT 桌面版用的，這裡也不放。

model = "deepseek-flash"
model_provider = "deepseek"
forced_login_method = "api"
model_reasoning_effort = "high"
web_search = "disabled"
show_raw_agent_reasoning = true
model_catalog_json = "~/.codex/models.json"

[model_providers.deepseek]
name = "deepseek"
base_url = "https://api.deepseek.com/"
env_key = "DEEPSEEK_API_KEY"
wire_api = "responses"

Codex 還要多做的事：models.json 與阿里雲的方案差異

兩份範例都指向 ~/.codex/models.json，兩家頁面都列出完整內容，內容卻不同：Z.ai 宣告 glm-5.3，DeepSeek 宣告 deepseek-flash 與 deepseek-v4-pro；DeepSeek 另有一鍵腳本，會先把原本的 config.toml 備份到 ~/.codex/backup-deepseek/ 再改寫。models.json 照兩家頁面原樣貼上，後貼的會蓋掉先貼的；兩家頁面都沒有寫怎麼同時保留。

阿里雲的 Codex 頁依方案分開寫，網址見表格。Token Plan 的 Responses 寫法把 model 設成 auto，還要另建 ~/.codex/model-catalog.local.json 並用 model_catalog_json 指過去。Coding Plan 那一節寫它只支援 Chat/Completions API、不支援 Responses API，要裝舊版 Codex（舉 0.80.0）並設 wire_api = "chat"；同一頁的疑難排解則寫新版 Codex 已不再支援 wire_api = "chat"，遇到這個錯誤就改成 responses。Qwen 走阿里雲端點接 Codex，要先確認方案支援哪種 API，以百鍊頁面為準；本篇不放 Qwen 的 toml。

授權與資料去向：照各頁的用詞讀

授權照各頁的用詞讀，不從別家推。本篇讀到的 Ollama 頁面裡，glm-5.3-flash 列了「MIT Licensed」；deepseek-r1 的授權段落寫權重以 MIT License 授權、DeepSeek-R1 系列支援商用，同一段也寫 Qwen 蒸餾版源自 Apache 2.0 授權的 Qwen 2.5 系列，Llama 8B 與 70B 蒸餾版分別源自 Llama 3.1 與 Llama 3.3 授權的模型。同一頁把 8b（也就是 latest）標成 DeepSeek-R1-0528-Qwen3-8B，授權段落沒有提到 Qwen3。其餘三頁沒有授權文字，本篇沒有讀 Hugging Face 的模型卡，表格寫「頁面沒有寫」，不寫成可以商用。

表格標「雲端」的會把內容送到 Ollama 或供應商；標「本機」的標籤，要由自己電腦上的 Ollama 執行才留在本機。跨廠商的欄位比較見《中國系 AI 模型比較：DeepSeek、Qwen、Kimi、豆包、MiniMax》，Ollama 的安裝與關閉雲端標籤見《Ollama 入門：Windows、Mac 安裝與第一個模型》。

多模型 AI 工作流教學：從拆任務到串接不同模型

本機跑 Qwen：中文表現與設定

• AI 工具
• 教學
• AI 寫程式與本機模型