ZCode: inferência GLM barata em vez do GLM Coding Plan

O ZCode não é um «editor com chat lateral», mas sim um ADE: você descreve um objetivo, o agente planeja, edita arquivos, executa testes e itera até o resultado. Funciona como um aplicativo desktop no macOS e Windows (a compilação para Linux está em status beta).

Recursos principais da versão 3.0:

• ZCode Agent: núcleo de agentes próprio com integração profunda ao GLM-5.2; além dele, é possível conectar agentes de terceiros (Claude Code, Codex, Gemini CLI e outros);
• Modo Goal (/goal): tarefas autônomas longas: plano → execução → verificação passo a passo;
• Multi-agent: trabalho paralelo de vários agentes no projeto;
• Gerenciamento remoto: início e controle de sessões via Telegram, WeChat e Feishu: o agente roda na sua máquina e você responde às perguntas pelo seu celular.

O cliente em si é gratuito, e a Z.ai concede aos novos usuários uma cota diária de tokens do GLM-5.2 para teste. Depois disso, ou você assina o GLM Coding Plan ou usa sua própria chave de API. E é aqui que vale a pena aprofundar, porque o funcionamento da assinatura é o aspecto mais comentado do produto.

O GLM Coding Plan é a assinatura da Z.ai que dá acesso aos modelos GLM no ZCode e em umas vinte ferramentas de terceiros. No momento da publicação (julho de 2026), a grade básica é esta — mas preços e promoções mudam, então confira na página ao vivo z.ai/subscribe:

Do que os assinantes reclamam (threads no Hacker News e no GitHub):

• Multiplicador em horário de pico. Nos horários de pico (14:00—18:00 UTC+8 — fim de tarde na Ásia, manhã/meio-dia na Europa) cada requisição consome cota com coeficiente ×3; fora do pico, ×2. É preciso planejar o consumo pelo fuso horário de Pequim.
• A cota é em “prompts”, não em tokens. Quantos tokens sobraram exatamente é algo opaco; nas threads aparecem histórias do tipo “gastei ~17M tokens no GLM e levei um bloqueio de quatro dias”.
• Uma única requisição paralela nos planos Lite e Pro. Para um ambiente agêntico, isso pesa: o modo multi-agente do próprio ZCode e quaisquer subagentes paralelos esbarram na fila.
• O GLM-5.2 consome a cota mais rápido que os modelos menores — o carro-chefe queima o limite com multiplicador próprio.

A conclusão é simples: para desenvolvimento solo e tranquilo, a assinatura funciona de verdade. Mas quanto mais “agêntico” for o seu modo de trabalho — tarefas paralelas, sessões autônomas longas, execuções noturnas —, mais o modelo de cotas vira loteria. A alternativa é pagar pelos tokens de fato: sem janelas, multiplicadores ou filas — o que o agente consumir é o que será cobrado. É exatamente esse o modelo que o mecanismo de custom provider integrado ao ZCode oferece, e a configuração leva cinco minutos.

O ZCode traz oficialmente suporte a BYOK: a documentação permite explicitamente adicionar «qualquer serviço compatível com os protocolos da OpenAI ou da Anthropic» — APIs públicas, canais corporativos e até instalações self-hosted. A configuração é feita de três formas:

• o botão Connect na tela de boas-vindas → «Set Your API Key»;
• Manage Models no seletor de modelo;
• a engrenagem → Settings → Model Settings → Add Provider.

Para o provedor, definem-se OpenAI Base URL e/ou Anthropic Base URL mais a API Key — o ZCode busca sozinho a lista de modelos disponíveis.

Três pedras no caminho em que se tropeça com mais frequência:

• Os endpoint's da Z.ai são diferentes. A assinatura Coding Plan funciona apenas pelo coding-endpoint https://api.z.ai/api/coding/paas/v4; o geral /api/paas/v4 com uma chave de assinatura retornará erro — a causa clássica do «estou recebendo 401/429, mesmo com o plano pago».
• «Funciona no Claude Code ≠ funciona no ZCode». Variáveis de ambiente como ANTHROPIC_BASE_URL, usadas para configurar o Claude Code, o ZCode não lê: ele tem seu próprio armazenamento de configurações de provedores. Configure exatamente por Settings.
• «O modelo aparece no seletor ≠ a chave tem cota». A lista de modelos é carregada da API do provedor, mas a disponibilidade depende do saldo e dos limites de cada chave.

Agora a prática: conectamos o gateway JoinGonka ao ZCode e ganhamos o stack GLM por tokens.

JoinGonka Gateway — um gateway para a rede descentralizada Gonka com dois protocolos nativos: /v1/chat/completions compatível com OpenAI e /v1/messages da Anthropic. A economia é pay-per-token: nada de janelas de 5 horas, multiplicadores de pico de ×3 ou limites de uma solicitação paralela; o consumo é visível no dashboard em tempo real, e o gateway não armazena o conteúdo dos prompts.

Passo a passo (interface atual de Custom Provider):

Em versões antigas do ZCode, em vez disso, existem dois campos separados: OpenAI Base URL (https://gate.joingonka.ai/v1) e Anthropic Base URL (https://gate.joingonka.ai — o cliente adicionará o caminho automaticamente).

Verificação: selecione o modelo criado e faça qualquer pergunta ao agente. Se a resposta chegar, tudo funciona; erro 401 — verifique a chave; 402 — saldo da conta. Se no DeepSeek V4 Flash aparecer «Model request failed» com Thought Level Max — altere o Thought Level para High e repita a solicitação.

Dica. O comando npx @joingonka/setup --tool zcode imprimirá os valores prontos para esses campos — base URL, chave, ID do modelo e seus limites reais: janela de contexto e limite de resposta — e verificará via solicitação real se o gateway os aceita. O ZCode é configurado apenas via UI; não existe um arquivo editável com segurança, portanto, os valores devem ser inseridos manualmente.

Quanto custa a inferência GLM em diferentes canais (preços por 1M de tokens; os dos concorrentes foram registrados em setembro de 2026, o preço da JoinGonka é inserido na página ao vivo a partir da API do gateway):

A diferença de duas ou três ordens de magnitude não é arredondamento de marketing, mas uma economia distinta: os cálculos são realizados por participantes da rede descentralizada, que ganham pelo trabalho realizado e não pela margem de um data center. Análise detalhada de como funciona e seus limites de aplicabilidade no artigo sobre a API de IA mais barata.

A linha JoinGonka representa o preço do GLM-5.3 Flash na rede Gonka: todos os modelos da rede possuem uma tarifa única. Os números nesta página são atualizados automaticamente, não há necessidade de recalcular nada manualmente.

A rede Gonka serve o modelo Z.ai: zai-org/GLM-5.3-Flash aceito pela proposta de governança #101 e fornecido pelo gateway juntamente com o MiniMax M2.7 e o DeepSeek V4 Flash. O emblemático GLM-5.2, mencionado nas primeiras versões deste guia, não entrou na composição operacional; a rede escolheu um modelo mais leve e rápido da mesma linha. O Base URL e a chave são os mesmos: no ZCode, basta adicionar o modelo em custom provider.

Sobre o modelo em si: pesos abertos sob licença MIT, arquitetura MoE com 320B de parâmetros (18B ativos por token), atenção híbrida dispersa e linear. A principal característica é ser um modelo de reasoning: antes de responder, ele raciocina, e o raciocínio ocupa algumas centenas de tokens mesmo para uma pergunta simples. Para o ZCode, isso significa duas coisas: não subestime o limite de comprimento de resposta do modelo (a partir de 600 tokens mesmo para réplicas curtas) e, para edições rápidas, reduza o Thought Level — em nível de API, isso é reasoning_effort: low. Análise detalhada do modelo e seus limites no artigo GLM-5.3 Flash na rede Gonka.

Perguntas frequentes:

• Por que ocorrem erros 429 ou fila no novo modelo? — O modelo é atendido por uma pequena parte dos hosts da rede; em minutos de pico, as solicitações podem aguardar um slot livre. Tente novamente após alguns segundos; o balanceador encontrará um nó ativo. O estado atual está na página de status do gateway.
• O que mais está disponível? — Além do GLM-5.3 Flash, há o MiniMax M2.7 e o DeepSeek V4 Flash: todos os três modelos funcionam no ZCode através do mesmo custom provider, a configuração deste guia é totalmente funcional.
• E a privacidade? — O gateway não armazena o conteúdo dos prompts e respostas; nas estatísticas, apenas agregados de consumo.
• Quando o Coding Plan é mais vantajoso? — Se você trabalha sozinho, fica dentro da cota Lite e não executa agentes paralelos, uma assinatura com taxa fixa é cômoda e previsível. Calcule conforme seu perfil: com trabalho ativo de agentes, o pagamento por tokens via rede sai ordens de magnitude mais barato; com edições leves de código algumas vezes ao dia, a diferença pode não ser sentida.
• É adequado para outras ferramentas? — Sim: o mesmo endpoint funciona no Claude Code, Cursor, Cline e em qualquer cliente compatível com OpenAI/Anthropic.