最近DeepSeek v4 Flash 正式版发布了，并且可以一键支持Codex（现在已经和ChatGPT合并了，不过老路还是习惯叫它Codex），说实话性价比是真的炸裂。但最大的问题还是DeepSeek看不了图，截图给它，它说”我是纯文本模型，无法处理图片”。今天老路教大家一招免费解法，10分钟让Codex + DeepSeek支持图片识别。

一、先说为什么 DeepSeek 看不了图

DeepSeek 的模型（包括 v4 Flash 正式版）是纯文本模型，不支持多模态：它只认文字，不认图片。你把截图丢给它，它根本”看不见”。

这不管是写代码还是处理其他工作都很痛苦：

• 截图发过去 → 它说看不了，让你贴文字
• 界面设计稿 → 它理解不了布局
• 图表/流程图 → 直接懵

Codex这么强的Agent，看不了图，性价比再炸裂，也相当于没有眼睛，能力直接砍掉3/4，之前老路写过的Hermes+DeepSeek不能看图的解决方案，也是类似的道理，再好用的Agent看不了图，相当于没用。

二、免费给 DeepSeek 装一双”眼睛”

思路很简单：DeepSeek 看不了图，那就找一个免费的视觉模型替它”看”，再把”看”的能力接进来。

这次老路用的是智谱的 GLM-4.6V-Flash，完全免费的视觉模型，128K 上下文，OpenAI 兼容接口，注册就有，不用充值。

整体链路长这样：

这相当于给 DeepSeek 装了个”看图翻译”的外挂。

三、实操步骤

老路的做法是：直接跟 Codex 对话，让它自己封装 MCP、再封装成 Skill。 全程老路只负责提一句话需求和提供APIKey。

第 1 步：注册智谱开放平台，拿免费 APIKey

1. 打开 https://open.bigmodel.cn （智谱开放平台）
2. 注册登录
3. 进入 API Key 页面创建密钥
4. glm-4.6v-flash 免费，不用充值

拿到一串 xxxxxxxx.xxxxxxxx 格式的 API Key。

第 2 步：告诉 Codex 需求（一句话）

在 Codex 对话里直接输入：

你自己做个mcp，底层调用GLM-4.6V-Flash，来进行图片理解，可以搞定吗？

Codex 会自动：

• 生成 server.py（MCP 服务器代码）
• 写好调用 GLM-4.6V-Flash 的逻辑
• 注册到它的 MCP 配置文件

第 3 步：把APIKey给Codex

把从GLM拿到的apikey直接发给Codex，它会自己配置并进行测试。

第 4 步：真实图片测试

Codex自己的测试通过后，Codex 就把这套能力”记”下来了，发给他一张图来进行实际测试，可以看到已经可以正确识别图片内容了，并且还发现了之前代码的一些小错误，很是丝滑。

第 4 步：把MCP封装成Skill，并支持全局使用

同样，和Codex对话，让它把mcp封装成Skill，并且支持全局可用

把这个图片识别的mcp，封装成skill，并需要支持全局使用。

完成后，重启Codex客户端，新建一个对话框，上传一张图片，试试图片识别，完全没问题！

四、跟”手动下载项目”的区别

老路知道有人会说”GitHub 上有现成的”，但让 Codex 自己封装有两个好处：

本质：让 AI 干活，而不是让 AI 的现成作品替你干活。

最爽的是免费，虽然有并发量限制，但是个人使用完全够，一分钱不用花。

五、过程中的几个坑和注意

六、跟 Hermes 看图方案的对比

之前老路写过一篇 Hermes+DeepSeek 看图，用 Google 的免费模型给 Hermes 配视觉能力。这次是给 Codex 配，用的是智谱的模型，两条路各有各的好：

如果你主力是 Codex，就搞 GLM-4.6V-Flash 这条；如果主力是 Hermes，看那篇 Gemini 的。

总结

DeepSeek v4 Flash 正式版真香，但”看不了图”是真痛点。解法也很简单：

1. GLM-4.6V-Flash —— 智谱免费视觉模型
2. MCP 桥接 —— 让 Codex 能调用它
3. Skill 封装 —— 一次配置，永久复用

全程零成本，十分钟搞定。以后报错截图、设计稿、图表，直接丢给 Codex 就行。

想了解更多 AI 工具和搞钱路子，看看我博客里的 免费eSIM+1GB全球流量 和 Google AI Studio 那几篇，都是老路亲测过的。

The post Codex + DeepSeek 可以看图了！完全免费！10分钟搞定！ appeared first on 老路日常.