ZCode: suy luận GLM giá rẻ thay thế cho GLM Coding Plan

ZCode không phải là "trình chỉnh sửa có thanh bên chat" mà là ADE: bạn mô tả mục tiêu, đại lý lập kế hoạch, sửa file, chạy các kiểm tra và lặp lại cho đến khi đạt kết quả. Hoạt động như một ứng dụng desktop trên macOS và Windows (bản build cho Linux đang ở trạng thái beta).

Các tính năng chính của phiên bản 3.0:

• ZCode Agent — nhân đại lý riêng với tích hợp sâu GLM-5.2; ngoài ra, bạn có thể kết nối các đại lý bên thứ ba (Claude Code, Codex, Gemini CLI và các loại khác);
• Chế độ Goal (/goal) — các tác vụ tự chủ dài hạn: lập kế hoạch → thực thi → xác minh từng bước;
• Multi-agent — nhiều đại lý làm việc song song trên một dự án;
• Quản lý từ xa — khởi chạy và kiểm soát các phiên từ Telegram, WeChat và Feishu: đại lý làm việc trên máy của bạn và bạn trả lời các câu hỏi từ điện thoại.

Bản thân client là miễn phí, với người dùng mới Z.ai cung cấp hạn ngạch token GLM-5.2 hàng ngày để trải nghiệm. Sau đó — hoặc là đăng ký GLM Coding Plan, hoặc là sử dụng API-key của riêng bạn. Và đây là nơi cần đi sâu vào chi tiết, vì mô hình đăng ký là phần được thảo luận nhiều nhất của sản phẩm.

GLM Coding Plan — gói đăng ký của Z.ai, cấp quyền truy cập vào các mô hình GLM trong ZCode và trong hai mươi công cụ khác. Tại thời điểm xuất bản (tháng 7 năm 2026), bảng giá cơ bản trông như sau — nhưng giá cả và khuyến mãi thường xuyên thay đổi, hãy kiểm tra trang web trực tiếp tại z.ai/subscribe:

Những gì người dùng phàn nàn (các chủ đề trên Hacker News và GitHub):

• Hệ số giờ cao điểm. Trong giờ cao điểm (14:00—18:00 UTC+8 — buổi chiều ở châu Á, buổi sáng-trưa ở châu Âu), mỗi yêu cầu trừ hạn ngạch với hệ số ×3, ngoài giờ cao điểm — ×2. Phải lập kế hoạch chi phí theo múi giờ Bắc Kinh.
• Hạn ngạch theo "prompts", không phải token. Chính xác còn bao nhiêu token là không minh bạch; trong các chủ đề có những câu chuyện kiểu "đã sử dụng ~17M token trên GLM — và bị khóa trong bốn ngày".
• Một yêu cầu song song trên Lite và Pro. Đối với môi trường đại lý, đây là một vấn đề đáng kể: chế độ đa đại lý của chính ZCode và bất kỳ tiểu đại lý song song nào đều bị tắc nghẽn trong hàng đợi.
• GLM-5.2 tiêu thụ hạn ngạch nhanh hơn các mô hình thấp cấp hơn — dòng flagship đốt hạn ngạch với hệ số nhân riêng.

Kết luận rất đơn giản: để lập trình solo một cách ổn định, gói đăng ký hoạt động rất tốt. Nhưng chế độ của bạn càng "đại lý" — các tác vụ song song, phiên tự chủ dài hạn, chạy đêm — thì mô hình hạn ngạch càng dễ trở thành một trò chơi may rủi. Giải pháp thay thế — thanh toán theo token thực tế: không có cửa sổ thời gian, không hệ số nhân và không hàng đợi — agent tiêu thụ bao nhiêu, trừ bấy nhiêu. Đây chính là mô hình mà cơ chế custom provider tích hợp trong ZCode cung cấp, và việc thiết lập chỉ mất năm phút.

ZCode hỗ trợ chính thức BYOK: tài liệu cho phép thêm "bất kỳ dịch vụ nào tương thích với giao thức OpenAI hoặc Anthropic" — API công khai, kênh doanh nghiệp và thậm chí các cài đặt self-hosted. Cấu hình qua ba cách:

• nút Connect trên màn hình chào mừng → «Set Your API Key»;
• Manage Models trong bộ chọn model;
• biểu tượng bánh răng → Settings → Model Settings → Add Provider.

Đối với nhà cung cấp, hãy thiết lập OpenAI Base URL và/hoặc Anthropic Base URL cộng với API Key — danh sách các model khả dụng sẽ được ZCode tự động tải xuống.

Ba lỗi thường gặp nhất:

• Endpoint của Z.ai khác nhau. Gói đăng ký Coding Plan chỉ hoạt động thông qua coding-endpoint https://api.z.ai/api/coding/paas/v4; endpoint chung /api/paas/v4 với key đăng ký sẽ trả về lỗi — lý do kinh điển cho "tôi bị lỗi 401/429 dù đã thanh toán gói".
• «Hoạt động trong Claude Code ≠ hoạt động trong ZCode». ZCode không đọc các biến môi trường như ANTHROPIC_BASE_URL được dùng để cấu hình Claude Code: nó có bộ lưu trữ thiết lập nhà cung cấp riêng biệt. Hãy cấu hình thông qua Settings.
• «Model hiển thị trong bộ chọn ≠ key có hạn mức». Danh sách model được lấy từ API của nhà cung cấp, nhưng quyền truy cập phụ thuộc vào số dư và hạn mức cụ thể của key đó.

Tiếp theo là thực hành: kết nối cổng JoinGonka vào ZCode để nhận GLM-stack theo số lượng token.

JoinGonka Gateway — là cổng vào mạng phi tập trung Gonka với hai giao thức native: /v1/chat/completions tương thích OpenAI và /v1/messages của Anthropic. Đối với ZCode, điều này có nghĩa là: kết nối trực tiếp vào cả hai trường custom provider, không cần tầng proxy. Kinh tế học — pay-per-token: không có khung giờ 5 tiếng, không có nhân hệ số ×3 lúc cao điểm hay giới hạn một yêu cầu song song; mức tiêu thụ được hiển thị thời gian thực trong bảng điều khiển và gateway không lưu trữ nội dung prompt.

Các bước thực hiện:

Kiểm tra: đặt cho agent bất kỳ câu hỏi nào. Nếu nhận được phản hồi — mọi thứ đã hoạt động; lỗi 401 — kiểm tra key, lỗi 402 — kiểm tra số dư tài khoản.

Chi phí cho GLM-inference trên các kênh khác nhau (giá cho 1M token; giá đối thủ được ghi nhận vào tháng 7 năm 2026, giá JoinGonka được hiển thị trực tiếp từ API của gateway):

Sự khác biệt hai đến ba bậc không phải là làm tròn tiếp thị, mà là một mô hình kinh tế khác: công việc tính toán được thực hiện bởi các thành viên trong mạng lưới phi tập trung, những người kiếm lời từ chính công việc đó thay vì phụ thuộc vào lợi nhuận của trung tâm dữ liệu. Phân tích chi tiết về cách thức vận hành và giới hạn áp dụng có trong bài viết về API AI rẻ nhất.

Khuyến cáo công bằng về GLM-5.2: mức giá chính xác của model sẽ được mạng lưới thiết lập tại thời điểm kích hoạt (giá trên bảng là giá thời gian thực của các model trong mạng). Các số liệu trên trang này được cập nhật tự động, không cần tính toán thủ công.

Mô hình zai-org/GLM-5.2-FP8 đã được thêm vào sổ đăng ký on-chain của mạng lưới Gonka: cấu hình thiết lập cửa sổ ngữ cảnh lên đến 400K token, và bản thân mô hình thuộc loại nặng (cần hơn một terabyte VRAM cho mỗi bản sao). Việc triển khai đang được tiến hành: các node mạng đang tải trọng số. Ngay khi các kiểm tra chuyển sang màu xanh, mô hình sẽ tự động xuất hiện trong danh sách mô hình của gateway — base URL và key không đổi, trong ZCode chỉ cần chọn nó trong bộ chọn.

Về mô hình: trọng số mở theo giấy phép MIT, kiến trúc MoE với ~750B tham số (khoảng 40B tham số hoạt động trên mỗi token), cửa sổ native lên đến 1M token. Theo dữ liệu từ Z.ai, trên SWE-bench Pro mô hình đạt 62.1 — cao hơn GPT-5.5, và trên FrontierSWE chỉ kém Claude Opus 4.8 khoảng một phần trăm. Đối với mô hình open-weight, đây là vị trí dẫn đầu trong lĩnh vực coding.

Các câu hỏi thường gặp:

• Tại sao lại có lỗi 429 ngay sau khi bật mô hình mới? — Đây là giai đoạn triển khai: một số node vẫn đang tải trọng số. Hãy thử lại yêu cầu sau vài giây — bộ cân bằng tải sẽ tìm thấy một node đang hoạt động.
• Những gì khả dụng ngay hôm nay? — Kimi K2.6 và MiniMax M2.7: cả hai mô hình đều hoạt động trong ZCode thông qua cùng một custom provider, cấu hình từ hướng dẫn này hoàn toàn hoạt động ngay bây giờ.
• Về quyền riêng tư? — Gateway không lưu trữ nội dung của các prompt và phản hồi; trong thống kê — chỉ có dữ liệu tổng hợp về mức tiêu thụ.
• Khi nào Coding Plan thực sự có lợi hơn? — Nếu bạn làm việc solo, nằm trong hạn mức Lite và không chạy các tác nhân song song, gói đăng ký với mức phí cố định sẽ thuận tiện và dễ dự đoán. Hãy tính toán theo hồ sơ của riêng bạn: khi làm việc với tác nhân tích cực, việc trả phí cho token thông qua mạng lưới rẻ hơn gấp nhiều lần, còn khi chỉ sửa code nhẹ nhàng vài lần một ngày thì sự khác biệt có thể không đáng kể.
• Nó có phù hợp với các công cụ khác không? — Có: cùng một endpoint hoạt động trong Claude Code, Cursor, Cline và bất kỳ client nào tương thích với OpenAI/Anthropic.