ZCode: inferenza GLM economica al posto del GLM Coding Plan

ZCode non è un «editor con barra laterale per chat», ma un ADE: descrivi un obiettivo, l'agente crea un piano, modifica i file, esegue controlli e itera fino al risultato. Funziona come applicazione desktop su macOS e Windows (build per Linux in stato beta).

Caratteristiche chiave della versione 3.0:

• ZCode Agent — core agentico proprietario con profonda integrazione di GLM-5.2; oltre a questo è possibile collegare agenti di terze parti (Claude Code, Codex, Gemini CLI e altri);
• Modalità Goal (/goal) — attività autonome lunghe: piano → esecuzione → verifica passo dopo passo;
• Multi-agent — lavoro parallelo di diversi agenti su un progetto;
• Gestione remota — avvio e controllo delle sessioni da Telegram, WeChat e Feishu: l'agente lavora sulla tua macchina e tu rispondi alle domande dal telefono.

Il client è gratuito, ai nuovi utenti Z.ai assegna una quota giornaliera di token GLM-5.2 per testare il prodotto. Dopodiché, o si sottoscrive il GLM Coding Plan, o si usa la propria API-key. Ed è qui che bisogna entrare nei dettagli, perché il sistema di abbonamento è la parte più discussa del prodotto.

GLM Coding Plan è l'abbonamento di Z.ai che dà accesso ai modelli GLM in ZCode e in una ventina di strumenti di terze parti. Al momento della pubblicazione (luglio 2026) il listino base è questo — ma prezzi e promozioni cambiano, controlla la pagina aggiornata su z.ai/subscribe:

Le lamentele degli abbonati (thread su Hacker News e GitHub):

• Moltiplicatore nelle ore di punta. Nelle ore di picco (14:00—18:00 UTC+8 — sera in Asia, mattina-primo pomeriggio in Europa) ogni richiesta consuma quota con coefficiente ×3, fuori picco ×2. Bisogna pianificare le spese in base al fuso orario di Pechino.
• Quota in prompt, non in token. Quanti token restino di preciso è opaco; nei thread si leggono storie tipo ho consumato ~17M token su GLM — e mi sono beccato un blocco di quattro giorni.
• Una sola richiesta parallela su Lite e Pro. Per un ambiente agentico si sente: la modalità multi-agent di ZCode stesso e qualsiasi sub-agente parallelo finiscono in coda.
• GLM-5.2 consuma la quota più in fretta dei modelli minori — il flagship brucia il limite con un suo moltiplicatore.

La conclusione è semplice: per lo sviluppo solitario e tranquillo l'abbonamento funziona onestamente. Ma più il tuo modo di lavorare è agentico — attività parallele, sessioni autonome lunghe, esecuzioni notturne — più il modello a quota si trasforma in una lotteria. L'alternativa è — pagare per i token effettivi: senza finestre, moltiplicatori e code — quanto l'agente ha consumato, tanto viene addebitato. Ed è esattamente il modello offerto dal meccanismo custom provider integrato in ZCode, che si configura in cinque minuti.

ZCode integra ufficialmente il supporto BYOK: la documentazione consente esplicitamente di aggiungere «qualsiasi servizio compatibile con i protocolli OpenAI o Anthropic» — API pubbliche, canali aziendali e persino installazioni self-hosted. Si configura in tre modi:

• pulsante Connect nella welcome screen → «Set Your API Key»;
• Manage Models nel selettore del modello;
• ingranaggio → Settings → Model Settings → Add Provider.

Al provider si assegnano OpenAI Base URL e/o Anthropic Base URL più la API Key — ZCode recupererà da solo l'elenco dei modelli disponibili.

Tre inciampi su cui si sbatte più spesso:

• Gli endpoint di Z.ai sono diversi. L'abbonamento Coding Plan funziona solo tramite il coding-endpoint https://api.z.ai/api/coding/paas/v4; il generico /api/paas/v4 con una chiave di abbonamento restituirà un errore — la classica causa del «mi dà 401/429 anche se il piano è pagato».
• «Funziona in Claude Code ≠ funziona in ZCode». Le variabili d'ambiente come ANTHROPIC_BASE_URL, con cui si configura Claude Code, ZCode non le legge: ha un proprio archivio delle impostazioni dei provider. Configurate proprio tramite Settings.
• «Il modello è visibile nel selettore ≠ la chiave ha quota». L'elenco dei modelli viene recuperato dall'API del provider, ma la disponibilità dipende dal saldo e dai limiti della singola chiave.

Ora la pratica: colleghiamo a ZCode il gateway JoinGonka e otteniamo lo stack GLM a pagamento in token.

JoinGonka Gateway — un gateway verso la rete decentralizzata Gonka con due protocolli nativi: /v1/chat/completions compatibile con OpenAI e /v1/messages di Anthropic. L'economia è pay-per-token: nessuna finestra di 5 ore, moltiplicatori di picco ×3 o limite di una sola richiesta parallela; il consumo è visibile in tempo reale nella dashboard e il gateway non memorizza il contenuto dei prompt.

Passo dopo passo (interfaccia Custom Provider attuale):

Nelle versioni precedenti di ZCode ci sono invece due campi separati: OpenAI Base URL (https://gate.joingonka.ai/v1) e Anthropic Base URL (https://gate.joingonka.ai — il percorso verrà aggiunto dal client).

Verifica: seleziona il modello creato e fai una domanda all'agente. Se arriva la risposta, tutto funziona; errore 401 — controlla la chiave, 402 — saldo dell'account. Se su DeepSeek V4 Flash appare «Model request failed» con Thought Level impostato su Max — passa a High e riprova.

Suggerimento. Il comando npx @joingonka/setup --tool zcode stamperà i valori pronti per questi campi — base URL, chiave, ID del modello e i suoi limiti reali: finestra di contesto e limite di risposta — e verificherà con una richiesta reale che il gateway li accetti. ZCode si configura solo tramite UI — non esiste un file che si possa modificare in sicurezza, quindi i valori vanno inseriti manualmente.

Quanto costa GLM-inference su diversi canali (prezzi per 1M di token; quelli della concorrenza sono fissi a settembre 2026, il prezzo JoinGonka viene inserito nella pagina in tempo reale dalle API del gateway):

La differenza di due o tre ordini di grandezza non è arrotondamento di marketing, ma un'economia diversa: i calcoli vengono eseguiti dai partecipanti alla rete decentralizzata che guadagnano dal lavoro stesso e non dal margine di un data center. Un'analisi dettagliata di come funziona e quali sono i limiti di applicabilità è disponibile nell'articolo sull'API AI più economica.

La riga JoinGonka rappresenta il prezzo di GLM-5.3 Flash nella rete Gonka: tutti i modelli della rete hanno una tariffa unificata. Le cifre in questa pagina si aggiornano automaticamente, non c'è nulla da ricalcolare a mano.

La rete Gonka supporta il modello Z.ai: zai-org/GLM-5.3-Flash è stato adottato tramite la governance-proposal #101 ed è disponibile tramite il gateway insieme a MiniMax M2.7 e DeepSeek V4 Flash. Il modello di punta GLM-5.2, menzionato nelle prime versioni di questa guida, non è entrato in produzione poiché la rete ha scelto un modello più leggero e veloce della stessa linea. Il Base URL e la chiave rimangono gli stessi: in ZCode basta aggiungere il modello come custom provider.

Sul modello: pesi aperti sotto licenza MIT, architettura MoE da 320B di parametri (18B attivi per token), attenzione ibrida sparsa e lineare. La caratteristica principale è il reasoning-model: prima di rispondere, il modello riflette, e la riflessione occupa diverse centinaia di token anche per una domanda semplice. Per ZCode significa due cose: non abbassare il limite di lunghezza della risposta (almeno 600 token anche per repliche brevi) e, per correzioni rapide, ridurre il Thought Level — a livello API è reasoning_effort: low. Un'analisi dettagliata del modello e dei suoi limiti è disponibile nell'articolo GLM-5.3 Flash nella rete Gonka.

Domande frequenti:

• Perché sul nuovo modello ci sono 429 o code? — Il modello è attualmente servito da una piccola parte degli host della rete; durante i picchi di traffico, le richieste potrebbero dover attendere uno slot libero. Ripeti la richiesta dopo pochi secondi: il bilanciatore di carico troverà un nodo attivo. Lo stato attuale è visibile sulla pagina di stato del gateway.
• Cos'altro è disponibile? — Oltre a GLM-5.3 Flash, ci sono MiniMax M2.7 e DeepSeek V4 Flash: tutti e tre i modelli funzionano in ZCode tramite lo stesso custom provider, la configurazione di questa guida è perfettamente operativa.
• Com'è gestita la privacy? — Il gateway non memorizza il contenuto dei prompt o delle risposte; nelle statistiche vengono riportati solo aggregati di consumo.
• Quando conviene il Coding Plan? — Se lavori da solo, rientri nella quota Lite e non esegui agenti paralleli, l'abbonamento a costo fisso è comodo e prevedibile. Fai i tuoi calcoli: con un uso intensivo di agenti, il pagamento a consumo per token tramite la rete è nettamente più economico; con leggere correzioni di codice un paio di volte al giorno, la differenza potrebbe essere impercettibile.
• È adatto ad altri strumenti? — Sì: lo stesso endpoint funziona in Claude Code, Cursor, Cline e qualsiasi client compatibile con OpenAI/Anthropic.