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 outras dezenas de ferramentas de terceiros. No momento da publicação (julho de 2026), a estrutura básica é a seguinte, mas os preços e promoções mudam; consulte a página em tempo real z.ai/subscribe:

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

• Multiplicador de horário de pico. Nos horários de pico (14:00—18:00 UTC+8 — tarde na Ásia, manhã/tarde na Europa), cada solicitação desconta cota com um coeficiente de ×3, fora do pico, ×2. É necessário planejar o consumo pelo fuso horário de Pequim.
• Cota por «prompts», não por tokens. A quantidade exata de tokens restantes não é transparente; nos tópicos há relatos do tipo «gastei ~17M de tokens no GLM e recebi um bloqueio de quatro dias».
• Uma solicitação paralela no Lite e Pro. Para um ambiente de agentes, isso é sentido: o modo multi-agent do próprio ZCode e quaisquer sub-agentes paralelos ficam presos na fila.
• O GLM-5.2 consome cota mais rápido que modelos menores; o carro-chefe esgota o limite com seu próprio multiplicador.

A conclusão é simples: para um desenvolvimento solo tranquilo, a assinatura funciona honestamente. Mas quanto mais «agente» for seu modo de trabalho (tarefas paralelas, sessões autônomas longas, execuções noturnas), mais o modelo de cotas se transforma em uma loteria. A alternativa é o pagamento pelo consumo real de tokens: sem janelas, multiplicadores ou filas; a quantidade que o agente consumiu é o que é cobrado. Esse é exatamente o modelo oferecido pelo mecanismo de custom provider integrado ao ZCode, e sua configuração leva cinco minutos.

O ZCode tem suporte oficial embutido para BYOK: a documentação permite explicitamente adicionar «qualquer serviço compatível com os protocolos da OpenAI ou Anthropic» — APIs públicas, canais corporativos e até instalações self-hosted. Configura-se de três formas:

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

Ao provedor são atribuídos um OpenAI Base URL e/ou Anthropic Base URL, além da API Key: a lista de modelos disponíveis será carregada automaticamente pelo ZCode.

Três erros comuns nos quais as pessoas tropeçam:

• Os endpoints da Z.ai são diferentes. A assinatura Coding Plan funciona apenas através do coding-endpoint https://api.z.ai/api/coding/paas/v4; o endpoint geral /api/paas/v4 com uma chave de assinatura retornará um erro: a causa clássica de «eu tenho 401/429, embora o plano esteja pago».
• «Funciona no Claude Code ≠ funciona no ZCode». Variáveis de ambiente como ANTHROPIC_BASE_URL, usadas para configurar o Claude Code, não são lidas pelo ZCode: ele possui seu próprio armazenamento de configurações de provedores. Configure exatamente através das Settings.
• «O modelo é visível no seletor ≠ a chave tem cota». A lista de modelos é extraída da API do provedor, e a disponibilidade depende do saldo e dos limites da chave específica.

A seguir, a prática: conectamos o gateway JoinGonka ao ZCode e obtemos o stack GLM por tokens.

O JoinGonka Gateway é uma ponte para a rede descentralizada Gonka com dois protocolos nativos: /v1/chat/completions compatível com OpenAI e /v1/messages de Anthropic Messages. Para o ZCode, isso significa: conecta-se diretamente a ambos os campos de provedor personalizado, sem camadas de proxy. A economia é pay-per-token: nada de janelas de 5 horas, multiplicadores de pico ×3 ou limites de uma única solicitação paralela; o consumo é visualizado em tempo real no painel, e o gateway não armazena o conteúdo dos prompts.

Passo a passo:

Verificação: faça ao agente qualquer pergunta. Se a resposta chegar, tudo funciona; se houver erro 401, verifique a chave, se for 402, o saldo da conta.

Quanto custa a inferência GLM em diferentes canais (preços por 1M de tokens; na concorrência fixados em julho de 2026, o preço da JoinGonka é inserido na página ao vivo da API do gateway):

A diferença de duas a três ordens de grandeza não é arredondamento de marketing, mas uma economia diferente: os cálculos são realizados pelos participantes da rede descentralizada que lucram pelo próprio trabalho, não pela margem do data center. Uma análise detalhada de como isso funciona e quais são os limites de aplicabilidade está no artigo sobre a API de IA mais barata.

Nota honesta sobre o GLM-5.2: a rede determinará o preço exato do modelo no momento de sua ativação (na tabela acima consta o preço atual do momento da rede). Os valores nesta página são atualizados automaticamente, você não precisará recalcular nada manualmente.

O modelo zai-org/GLM-5.2-FP8 já foi adicionado ao registro on-chain da rede Gonka: a configuração define uma janela de contexto de até 400K tokens, e o modelo em si é pesado (cada réplica requer mais de um terabyte de VRAM). O lançamento está em andamento: os nós da rede estão aquecendo os pesos. Assim que as verificações ficarem verdes, o modelo aparecerá automaticamente na lista de modelos do gateway; o base URL e a chave não mudam, no ZCode bastará selecioná-lo no seletor.

Sobre o modelo: pesos abertos sob licença MIT, arquitetura MoE de ~750B parâmetros (cerca de 40B ativos por token), janela nativa de até 1M de tokens. Segundo dados da Z.ai, no SWE-bench Pro o modelo apresenta 62.1 — acima do GPT-5.5, e no FrontierSWE fica atrás do Claude Opus 4.8 por cerca de um ponto percentual. Para um modelo open-weight, é o primeiro lugar em codificação.

Perguntas frequentes:

• Por que ocorrem erros 429 logo após ativar um novo modelo? — É a fase de lançamento: parte dos nós ainda está carregando os pesos. Repita a solicitação após alguns segundos; o balanceador encontrará um nó ativo.
• O que está disponível hoje? — Kimi K2.6 e MiniMax M2.7: ambos os modelos funcionam no ZCode através do mesmo custom provider, a configuração deste guia é totalmente funcional agora.
• E quanto à privacidade? — O gateway não armazena o conteúdo dos prompts e respostas; nas estatísticas constam 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, a assinatura com preço fixo é conveniente e previsível. Calcule de acordo com seu perfil: com trabalho de agentes ativo, 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 notada.
• Isso serve para outras ferramentas? — Sim: o mesmo endpoint funciona no Claude Code, Cursor, Cline e qualquer cliente compatível com OpenAI/Anthropic.