Trae怎么配置多个自定义模型？

在Trae里同时接入DeepSeek做逻辑推演、GLM处理超长代码文件、Qwen润色中文注释，听起来是个很理想的方案。但实际操作中，很多人会遇到一个尴尬局面：添加第二个模型时，第一个的配置被覆盖了，或者两个模型死活无法并存。这其实是因为Trae支持多模型共存，但需要一些前置条件——版本必须达标，配置不能冲突。

先说核心前提：你的Trae版本必须达到

，否则系统根本不支持保存多个自定义模型实例。打开Trae，进入设置 → 关于，核对一下版本号。如果低了，点“检查更新”或去trae.cn下载最新包。

然后，确保你手头已经备好了三个模型的独立凭证：DeepSeek平台给的是sk-deepseek-xxx，智谱GLM的是sk-glm-xxx，通义千问的是sk-dashscope-xxx。每个API Key只能对应它自己的服务商，不能混用，也别指望一个Key搞定所有。

请求地址也得记清楚，每个模型各有各的入口：
DeepSeek用 https://api.deepseek.com/v1/chat/completions
GLM用 https://open.bigmodel.cn/api/paas/v4/chat/completions
Qwen用 https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation

这三个地址将来要分别填到配置里，写错一个，对应的模型就没法用。

添加第一个自定义模型（DeepSeek）

按 Ctrl+,（Windows/Linux）或 Cmd+,（macOS）打开设置面板。在搜索框里输入“Models”，进入模型管理页，点击“Add Model Provider”。

这里有两种方式：

在“服务商”下拉菜单里选【DeepSeek】，系统会自动帮你填好API Base URL。你只需要把DeepSeek的API Key粘贴进去，然后在模型列表中勾选deepseek-chat（默认就是最新版），点击“添加模型”就完事了。

切到“自定义模型”标签页，“模型名称”填deepseek-r1-local，“自定义请求地址”严格写https://api.deepseek.com/v1/chat/completions，“模型ID”必须写成deepseek-chat（注意，不是deepseek-r1，后者是旧版标识，会报404），然后“API密钥”粘贴sk-deepseek-xxx，最后点“添加模型”。

追加第二个模型（GLM）

不用关闭设置页，继续点“Add Model Provider”。

第一步：服务商选【Bigmodel】，URL会自动填充为https://open.bigmodel.cn/api/paas/v4/chat/completions。然后粘贴GLM的sk-glm-xxx密钥，在模型列表中勾选glm-4-flash（目前这个版本免费可用，响应也快），点击“添加模型”。

第二步：如果你需要接入私有部署的GLM实例，那就切到“自定义模型”标签页，模型名称填glm-4-longctx，自定义请求地址填你内网部署的地址（比如https://glm.internal:8000/v1/chat/completions），模型ID必须为glm-4，API密钥留空（如果启用Basic Auth，就填username:password的base64编码值），然后点“添加模型”。

完成这一步，模型列表里应该已经能看到两个独立条目了：deepseek-chat和glm-4-flash。名称不重叠，协议不冲突，密钥彼此隔离——这才是正确的状态。

叠加第三个模型（Qwen）

继续点“Add Model Provider”，不要停。

选择服务商【DashScope】，URL会自动设为https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation。粘贴sk-dashscope-xxx，然后从模型下拉列表中选qwen3（注意不是qwen-max，后者需要额外开通权限），点击“添加模型”。

如果你用的是本地Ollama运行的qwen2.5:7b，那就选“自定义模型”，模型名称写ollama-qwen25，请求地址填http://localhost:11434/v1/chat/completions，模型ID写qwen2.5:7b，API密钥留空，点击“添加模型”。

添加完成后，刷新模型下拉菜单，你应该能看到至少三个可选模型：deepseek-chat、glm-4-flash、qwen3（或ollama-qwen25）。它们彼此独立，互不干扰。

验证多模型共存状态

关闭设置页，回到SOLO对话页。点击右下角模型名称区域，展开列表，确认三个模型都可见，而且名称清晰可辨。

分别切换测试一下：
先切到deepseek-chat，输入“用Python写一个快速排序并附带时间复杂度分析”，看看响应是否包含严谨的数学推导。这是它的强项。

再切到glm-4-flash，输入“读取以下2000行Ja va类，指出所有未处理的NullPointerException风险点”，确认它能接收长文本并定位到具体行号。GLM的长上下文能力在这里体现。

最后切到qwen3，输入“把上面那段英文技术说明翻译成自然流畅的中文，保留术语准确性”，验证中文润色质量。Qwen在这方面的表现值得期待。

三个测试全部通过，就说明三个自定义模型已经成功并存，并且可以随时切换。整个配置过程，核心就是两点：版本要够新，模型ID不能乱写。只要这两点不出错，多模型共存其实很顺畅。