ZCode : inférence GLM abordable au lieu du GLM Coding Plan

ZCode n'est pas un « éditeur avec une barre latérale de chat », mais un ADE : vous décrivez un objectif, l'agent construit un plan, modifie les fichiers, lance des tests et itère jusqu'au résultat. Fonctionne comme une application de bureau sur macOS et Windows (build pour Linux — en statut bêta).

Fonctionnalités clés de la version 3.0 :

• ZCode Agent — moteur agentique propriétaire avec une intégration profonde de GLM-5.2 ; en plus de celui-ci, vous pouvez connecter des agents tiers (Claude Code, Codex, Gemini CLI et autres) ;
• Mode Goal (/goal) — tâches autonomes longues : plan → exécution → vérification par étapes ;
• Multi-agent — travail parallèle de plusieurs agents sur le projet ;
• Gestion à distance — lancement et contrôle de sessions depuis Telegram, WeChat et Feishu : l'agent travaille sur votre machine et vous répondez aux questions depuis votre téléphone.

Le client lui-même est gratuit, Z.ai offre aux nouveaux utilisateurs un quota quotidien de jetons GLM-5.2 pour découvrir l'outil. Ensuite, soit l'abonnement GLM Coding Plan, soit votre propre clé API. Et c'est ici qu'il faut entrer dans les détails, car le modèle d'abonnement est la partie la plus discutée du produit.

GLM Coding Plan est l'abonnement de Z.ai donnant accès aux modèles GLM dans ZCode et une vingtaine d'outils tiers. À la date de publication (juillet 2026), la grille de base ressemble à ceci — mais les prix et les promos évoluent, vérifiez sur la page live z.ai/subscribe :

Ce dont se plaignent les abonnés (fils Hacker News et GitHub) :

• Multiplicateur en heures de pointe. Aux heures de pointe (14:00—18:00 UTC+8 — le soir en Asie, le matin et la journée en Europe), chaque requête décompte le quota avec un coefficient ×3, hors pointe ×2. Il faut donc planifier sa consommation selon le fuseau de Pékin.
• Un quota en « prompts », pas en tokens. Combien de tokens il reste exactement, c'est opaque ; on lit dans les fils des histoires du type « j'ai consommé ~17M tokens sur GLM — et j'ai été bloqué quatre jours ».
• Une seule requête parallèle sur Lite et Pro. Pour un environnement agentique, c'est sensible : le mode multi-agent de ZCode lui-même et tout sous-agent parallèle finissent en file d'attente.
• GLM-5.2 consomme le quota plus vite que les modèles plus modestes — le flagship brûle la limite avec son propre multiplicateur.

La conclusion est simple : pour un développement solo tranquille, l'abonnement fonctionne honnêtement. Mais plus votre usage est « agentique » — tâches parallèles, longues sessions autonomes, exécutions nocturnes — plus le modèle à quota ressemble à une loterie. L'alternative : payer les tokens réellement consommés, sans fenêtres, multiplicateurs ni files d'attente — ce que l'agent dépense est ce qui est débité. C'est exactement le modèle qu'offre le mécanisme custom provider intégré à ZCode, et il se configure en cinq minutes.

ZCode intègre officiellement la prise en charge du BYOK : la documentation autorise explicitement l'ajout de « tout service compatible avec les protocoles OpenAI ou Anthropic » — API publiques, canaux d'entreprise et même installations self-hosted. La configuration se fait par trois voies :

• le bouton Connect sur l'écran d'accueil → « Set Your API Key » ;
• Manage Models dans le sélecteur de modèle ;
• la roue crantée → Settings → Model Settings → Add Provider.

On renseigne pour le fournisseur l'OpenAI Base URL et/ou l'Anthropic Base URL, plus la API Key — ZCode récupérera lui-même la liste des modèles disponibles.

Trois pièges sur lesquels on trébuche le plus souvent :

• Les endpoints Z.ai sont différents. L'abonnement Coding Plan ne fonctionne que via le coding-endpoint https://api.z.ai/api/coding/paas/v4 ; le endpoint général /api/paas/v4 avec une clé d'abonnement renverra une erreur — la cause classique du « j'ai un 401/429 alors que mon plan est payé ».
• « Ça marche dans Claude Code ≠ ça marche dans ZCode ». Les variables d'environnement comme ANTHROPIC_BASE_URL, utilisées pour configurer Claude Code, ne sont pas lues par ZCode : il possède son propre stockage de configuration des fournisseurs. Configurez donc via Settings.
• « Le modèle apparaît dans le sélecteur ≠ la clé a un quota ». La liste des modèles est récupérée depuis l'API du fournisseur, mais la disponibilité dépend du solde et des limites de la clé concernée.

Passons à la pratique : connectons la passerelle JoinGonka à ZCode et obtenons la stack GLM contre des tokens.

JoinGonka Gateway — une passerelle vers le réseau décentralisé Gonka avec deux protocoles natifs : /v1/chat/completions compatible OpenAI et /v1/messages Anthropic. Économie basée sur le pay-per-token : pas de fenêtres de 5 heures, pas de multiplicateurs de pointe ×3, ni de limite à une seule requête parallèle ; la consommation est visible en temps réel sur le tableau de bord, et la passerelle ne stocke pas le contenu des invites.

Étape par étape (interface Custom Provider actuelle) :

Dans les anciennes versions de ZCode, il y a deux champs séparés : OpenAI Base URL (https://gate.joingonka.ai/v1) et Anthropic Base URL (https://gate.joingonka.ai — le chemin sera ajouté automatiquement par le client).

Vérification : sélectionnez le modèle créé et posez n'importe quelle question à l'agent. Si la réponse arrive, tout fonctionne ; en cas d'erreur 401, vérifiez la clé, et pour 402, le solde du compte. Si une erreur « Model request failed » apparaît sur DeepSeek V4 Flash avec un Thought Level sur Max, passez le Thought Level sur High et relancez la requête.

Astuce. La commande npx @joingonka/setup --tool zcode affichera les valeurs prêtes à l'emploi pour ces champs — base URL, clé, ID du modèle et ses limites réelles (fenêtre de contexte et plafond de réponse) — et vérifiera via une requête en direct que la passerelle les accepte. ZCode ne peut être configuré que via l'interface utilisateur — il n'existe pas de fichier pouvant être modifié en toute sécurité, les valeurs doivent donc être insérées manuellement.

Combien coûte l'inférence GLM sur différents canaux (prix pour 1M de tokens ; prix des concurrents fixés en septembre 2026, le prix JoinGonka est récupéré en direct depuis l'API de la passerelle) :

La différence de deux ou trois ordres de grandeur n'est pas un arrondi marketing, mais une économie différente : les calculs sont effectués par les participants du réseau décentralisé, qui gagnent de l'argent sur le travail lui-même et non sur la marge d'un centre de données. Une analyse détaillée du fonctionnement et des limites d'application est disponible dans l'article sur l'API AI la moins chère.

La ligne JoinGonka indique le prix de GLM-5.3 Flash sur le réseau Gonka : tous les modèles du réseau ont un tarif unique. Les chiffres sur cette page sont mis à jour automatiquement, aucun calcul manuel n'est nécessaire.

Le réseau Gonka dessert le modèle Z.ai : zai-org/GLM-5.3-Flash adopté par la proposition de gouvernance #101 et délivré par la passerelle au même titre que MiniMax M2.7 et DeepSeek V4 Flash. Le fleuron GLM-5.2, mentionné dans les premières versions de ce guide, n'a finalement pas été intégré à la production — le réseau a opté pour un modèle plus léger et plus rapide de la même gamme. L'URL de base et la clé restent identiques : dans ZCode, il suffit d'ajouter le modèle en tant que custom provider.

À propos du modèle : poids ouverts sous licence MIT, architecture MoE à 320B de paramètres (18B actifs par jeton), attention hybride parcimonieuse et linéaire. Sa particularité principale est d'être un modèle de raisonnement : avant de répondre, il réfléchit, et ce raisonnement occupe plusieurs centaines de jetons même pour une question simple. Pour ZCode, cela signifie deux choses : ne sous-estimez pas la limite de longueur de réponse du modèle (à partir de 600 jetons même pour des répliques courtes) et pour des modifications rapides, réduisez le Thought Level — au niveau de l'API, c'est reasoning_effort: low. Analyse détaillée du modèle et de ses limites dans l'article GLM-5.3 Flash sur le réseau Gonka.

Questions fréquentes :

• Pourquoi y a-t-il parfois des erreurs 429 ou des files d'attente sur le nouveau modèle ? — Le modèle est actuellement desservi par une petite partie des hôtes du réseau ; aux heures de pointe, les requêtes peuvent attendre un slot libre. Réessayez dans quelques secondes — l'équilibreur de charge trouvera un nœud disponible. État actuel sur la page de statut de la passerelle.
• Qu'est-ce qui est disponible d'autre ? — Outre GLM-5.3 Flash, MiniMax M2.7 et DeepSeek V4 Flash sont disponibles : les trois modèles fonctionnent dans ZCode via le même custom provider, la configuration de ce guide est parfaitement opérationnelle.
• Qu'en est-il de la confidentialité ? — La passerelle ne stocke pas le contenu des prompts et des réponses ; seules les statistiques de consommation agrégées sont conservées.
• Quand le Coding Plan est-il plus avantageux ? — Si vous travaillez seul, que vous respectez le quota Lite et que vous ne lancez pas d'agents parallèles, un abonnement à prix fixe est pratique et prévisible. Calculez selon votre profil : avec une activité d'agent intense, le paiement au jeton via le réseau est nettement moins cher ; pour de légères modifications de code une fois par jour, la différence peut ne pas être ressentie.
• Est-ce compatible avec d'autres outils ? — Oui : le même endpoint fonctionne dans Claude Code, Cursor, Cline et tout client compatible OpenAI/Anthropic.