Conectar Claude Code a un modelo que no es de Anthropic: qué pierdes

La respuesta corta

Las funciones de Claude Code viven en tres capas, y solo la del medio está en riesgo:

• Capa de cliente (subagents, MCP, edición de archivos, comandos de barra): se ejecuta en tu máquina. El modelo no la afecta.
• Capa de protocolo (formato Messages, eventos de streaming, cache_control, bloques de thinking): lo que implemente la pasarela.
• Capa de modelo (calidad de razonamiento, entrada de imágenes, aciertos de caché): pertenece al modelo. Cambia el modelo y cambian las capacidades.

El verdadero intercambio ocurre en la capa de modelo, no en la de protocolo. Eso fija la expectativa correcta: estás sustituyendo el modelo, no Claude Code.

Qué se rompe y qué no

Punto por punto

La entrada de imágenes deja de funcionar

Cuando pegas una imagen, Claude Code la codifica como bloque de imagen y la mete en el mensaje. Un modelo solo de texto o rechaza el parámetro o lo descarta en silencio, y el caso silencioso es peor, porque el modelo empieza a adivinar qué mostraba la imagen.

Cómo sortearlo: manda las tareas que dependen de la visión a un modelo que acepte imágenes; los refactorizados de texto puro no lo necesitan.

extended thinking no aparece nunca

extended thinking es un bloque de razonamiento del lado del modelo de Anthropic, expuesto en el protocolo Messages como bloque de contenido thinking. Una pasarela puede reenviar esos bloques, pero el modelo tiene que producirlos: con DeepSeek esa ruta está vacía.

La alternativa es usar directamente un modelo de razonamiento. deepseek-v4-pro-0813 es un modelo de razonamiento; su pensamiento ocurre dentro del modelo en lugar de exponerse como bloques. Obtienes «piensa mejor», no «puedes ver cómo piensa».

prompt caching está disponible en parte

Es el punto más fácil de juzgar mal, porque hay dos capas que mirar:

• Facturación: el catálogo tiene un precio de entrada en caché. DeepSeek V4 Pro es ¥4.5 de entrada frente a ¥0.45 en caché con tarifa off-peak: una diferencia de diez veces, lo que significa que los aciertos de caché se miden y se facturan de verdad.
• Protocolo: Anthropic marca los puntos de caché con cache_control, y eso no se corresponde exactamente con las implementaciones de caché del proveedor. La tasa de acierto la decide el proveedor; el cliente no puede forzarla.

Conclusión: la caché funciona y ahorra dinero, pero no hagas presupuestos con las tasas de acierto de Anthropic.

WebSearch no está disponible en absoluto

El WebSearch de Claude Code no es una herramienta local. Es una herramienta del lado del servidor que ofrece Anthropic. En cuanto la petición pasa por una pasarela de terceros, el proveedor no reconoce la definición de la herramienta y la llamada falla o devuelve no implementado.

Cómo sortearlo: usa en su lugar una herramienta de descarga local vía MCP; eso es capa de cliente, así que sobrevive al cambio de modelo.

Qué no se ve afectado

Merece la pena decirlo claro, porque decide si el cambio compensa:

• Capacidad de edición: leer y escribir archivos, diffs multiarchivo, ejecutar tests, todo ocurre en el cliente.
• Subagents y trabajo en paralelo: los planifica Claude Code, no el proveedor del modelo.
• El ecosistema MCP: bases de datos, navegadores y sistemas internos siguen igual.
• Permisos y hooks: configuración local, independiente del modelo.

Dicho de otro modo, el valor de Claude Code como harness de agentes se conserva por completo. Lo que pierdes son algunas propiedades de Claude como modelo.

Cómo minimizar la pérdida

1. Ajusta el modelo a la tarea: comprensión de archivos largos y refactorizados con deepseek-v4-pro-0813 (contexto de 1M, razonamiento); arreglos de erratas y mensajes de commit con deepseek-v4.1-flash, unas diez veces más barato.
2. Trata la visión aparte: no le pases capturas a un modelo de texto. Descríbelas, o cambia a un modelo con visión para esa tarea.
3. No dependas de los bloques de thinking: cuando quieras ver el razonamiento, pide primero un plan y luego la ejecución.
4. Descuenta tus expectativas de caché: las estimaciones hechas con las tasas de acierto oficiales se quedan cortas y la factura real sale más alta.

Lista de verificación

Tres comprobaciones de que la conexión está realmente viva:

Define tu propia API key de KimiSeek en el mismo terminal donde ejecutarás curl y sustituye el valor de ejemplo. Las credenciales guardadas en el cliente no rellenan automáticamente esta variable del shell:

# Replace the placeholder with your own key from the dashboard.
export KIMISEEK_API_KEY="ks-your-key"

curl https://api.kimiseek.app/v1/messages \
  -H "x-api-key: ${KIMISEEK_API_KEY:?Set KIMISEEK_API_KEY before running this command}" \
  -H "anthropic-version: 2023-06-01" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-pro-0813",
    "max_tokens": 512,
    "messages": [{"role": "user", "content": "Hello"}]
  }'

• 200 con un array content → la capa de protocolo funciona.
• Claude Code responde a un «hola» → la configuración del cliente es correcta.
• Pídele que lea y edite un archivo → la cadena de tool calls funciona.

Si algún paso falla, busca el texto del error en la tabla de errores.

Cuándo volver al servicio oficial

Ahorrar no siempre es la decisión correcta. Hay tres casos que aconsejan seguir con el oficial:

• Uso intensivo de visión (de mockup a código, revisión de UI)
• Investigación en vivo basada en WebSearch
• Sensibilidad extrema a la tasa de acierto de caché (system prompts muy largos, mucho volumen de llamadas)

Para todo lo demás el ahorro es real. Los números concretos están en la ruta sin tarjeta de crédito.

Versiones y verificación

• Claude Code: 2.x
• Verificado: 2026-10-26
• Fuentes: documentación de Anthropic (protocolo Messages, extended thinking, cache_control, herramientas del lado del servidor); campos de capacidad y de precios del catálogo de KimiSeek