GLM-5.2 追上 Claude Opus 4.8：開放模型的費用便宜 5 倍

GLM-5.2 是什麼？為什麼大家都在談論它？#

兩週前，程式開發社群發生了一件罕見的事：中國的開放模型追上了最昂貴的 Claude。GLM-5.2 推出後，獨立測試也證實，這並非行銷噱頭。

簡單來說，GLM 是一個超大型模型：共有 7530 億個參數，但每次請求只會啟用其中一小部分（約 400 億個），因此雖然規模龐大，速度仍快、成本也低。它的上下文視窗有 100 萬個 token，大約相當於一次讀入一本 700 頁的書。這個模型由北京的 Z.ai 開發，該公司源自清華大學。重點是，這個模型開放使用。GLM-5.2 採用 MIT 授權條款；GLM-5.3 則採用自有的 GLM-5.3 License，精神同樣寬鬆：你可以取得並使用它。限制只適用於大型業者——年營收達 100 億美元或以上的服務必須通過 Z.ai 的安全審查。本文描述的使用方式沒有地區封鎖，與 Claude 不同。

發布時機對它很有利。發布前一天，美國政府的指令迫使 Anthropic 緊急停用兩個頂級模型。

GLM-5.2 隔天就推出了——開放、沒有封鎖，而且價格低廉。

當時它的總排名是第四，僅次於 Fable 5、Opus 4.8 和 GPT-5.5。但在可以自行下載和執行、無須取得開發者許可的模型中，它是最好的。對創業者來說，這代表一件事：強勁的 Claude 競爭者來了，價格只要一杯咖啡。

接著，各家產品陣容快速變動。7 月 24 日，Anthropic 推出 Opus 5，價格不變——每百萬個 token 為 5 美元和 25 美元。GLM-5.3 於 8 月 14 日接著推出：同樣有 7530 億個參數和 100 萬 token 的上下文，但寫程式的能力明顯更好，在 Z.ai 的內部測試中比 GLM-5.2 高出 50%。9 月 1 日，Anthropic 發表 Fable 5.1 和 Mythos 5.1。因此，從這裡開始，本文中的數據都是目前版本 GLM-5.3 的數據。

GLM-5.2 的程式撰寫能力真的追上 Claude 了嗎？#

以下數據來自 GLM-5.3 的官方 HuggingFace 模型卡。Z.ai 比較的是自家模型與 Opus 4.8，而不是 Opus 5——請記得這是他們提供的表格。

整體來說，GLM-5.3 幾乎在所有方面都勝過 Opus 4.8，但如果任務是重寫大型專案中的整個區塊，或連續數小時追蹤任務而不偏離進度，它仍會落後。在這項長時間基準測試中，報告的差距縮小 23.1 個百分點：(48.8 − 19.4) − (48.8 − 42.5) = 23.1；約減少 79%，而非減半。這描述的是該表格，不是你的專案實測可靠率。長時間自主工作是 Opus 最後仍占優勢的領域。

6 月，GLM-5.2 剛推出不久，Cline 團隊讓它和 Opus 4.8 修復自家專案中的一個實際錯誤。

有趣的是，GLM 有時會在特定任務上勝過 Claude。資安公司 Semgrep（不是 GLM 開發者，而是獨立第三方）以漏洞偵測測試模型，發現未經代理包裝的 GLM-5.2 勝過一個以 Opus 為基礎的代理。但他們也附上一項值得記住的嚴肅提醒。

請記住這項提醒——執行框架比模型本身更重要。測試結果顯示：GLM-5.3 在日常程式開發上已追上並超越 Opus 4.8，在最困難的任務上也幾乎不相上下。等到有獨立測量結果時，我們再說明它與 Opus 5 的比較。對創業者的大多數任務來說，目前的領先程度已經夠用。

GLM-5.2 比 Claude 便宜多少？#

差異就在這裡。我們來比較每百萬個 token 的價格。

價格差異非常大：GLM 的輸出價格便宜 6 到 8 倍。

所以，單一任務實際能省下多少費用，大約介於 2 到 7 倍，取決於 GLM 需要做多少自我檢查。這可能不如價格所暗示的「5 倍」，但仍能省下不少錢。GLM 是降低費用的一種方法；我也另外分析了 DeepSeek 和其他適合寫程式的低價模型。

從一個模型省錢只是起點。更重要的是建立一套系統，讓 Claude 使用任何模型時都不會產生幻覺。你選擇的模型是引擎；放進上下文的內容才是打造汽車的材料。

如何在 5 分鐘內將 GLM-5.2 連接到 Claude Code#

最大的優點是不用更換工具。Claude Code 照常使用，只有在幕後回答問題的模型會改變。只要在設定中加入幾行，就能完成連接。

選項 1 - Z.ai 訂閱方案（日常工作適用）

Z.ai 提供專為程式開發工具設計的 GLM Coding Plan 訂閱方案。價格固定，API 端點採用 Claude Code 原生格式。

1. 訂閱

   前往 z.ai/subscribe 並選擇方案。Lite 方案每月 18 美元起（足以應付一整天的密集工作）；也有提供給整天寫程式者的較高價方案。

2. 建立金鑰

   在 z.ai 前往 API Keys，點選「Create a new API key」，然後複製金鑰。

3. 設定組態

   開啟檔案 ~/.claude/settings.json，貼上以下區塊，並以你的金鑰取代佔位文字。

4. 重新啟動終端機

   開啟新的終端機，執行 claude，然後輸入 /status 檢查狀態。

{
  "env": {
    "ANTHROPIC_AUTH_TOKEN": "your_z_ai_key",
    "ANTHROPIC_BASE_URL": "https://api.z.ai/api/anthropic",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-5.3-flash[1m]",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-5.3[1m]",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-5.3[1m]",
    "API_TIMEOUT_MS": "3000000"
  }
}

完成後，Claude Code 會顯示「Opus」和「Sonnet」的名稱，但實際在幕後執行的是 GLM——Z.ai 會在自家系統端替換模型。如果你的設定仍然指定 glm-5.2，也沒問題：Z.ai 會將 GLM-5.2 和 5.1 的請求轉送到 GLM-5.3，並將 GLM-4.7 的請求轉送到 GLM-5.3-Flash。

1. 取得金鑰

2. 儲值

3. 設定組態

   以下區塊已指定 GLM 模型，將它貼到 ~/.claude/settings.json 即可。

4. 啟動 Claude Code

   開啟新的終端機並執行 claude。你可以用 /model 指令隨時切換模型。

{
  "env": {
    "ANTHROPIC_BASE_URL": "<OFFICIAL_URL>",
    "ANTHROPIC_AUTH_TOKEN": "sk-or-v1-YOUR-KEY",
    "ANTHROPIC_API_KEY": "",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "z-ai/glm-5.3",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "z-ai/glm-5.3"
  }
}

在家中本機執行——坦白說，不切實際

既然權重是開放的，難免會想問：能不能自己下載並免費執行？對沒有自有伺服器的創業者來說，不行。

GLM-5.3 同樣有 7530 億個參數，需要相當於 8 張 H200 顯示卡規模的伺服器（視訊記憶體超過 1 TB，硬體成本高達數十萬美元）。即使是最高階的筆電也完全跑不動。開放授權的意義在於其他方面：價格競爭和沒有封鎖。你仍然會透過 API 使用它。

什麼時候該用 GLM-5.2，什麼時候該繼續用 Claude Opus？#

你不必永遠只選一個模型。懂得變通的 vibe coder 會同時保留兩個模型，並根據任務切換。以下是根據實務工作者回饋整理的實用原則。

使用 GLM 的情況：

1. 起草和反覆修改——先畫出草稿、檢查，再重做。
2. 前端、版面配置和標準資料庫程式碼。
3. 大量低成本的例行工作，重做也沒關係。
4. 想用極低費用取得大型上下文視窗。
5. 只想為較簡單的 80% 任務降低費用。

繼續使用 Opus 的情況：

1. 撰寫最終版的複雜架構程式碼。
2. 需要代理持續執行、不會卡住的長時間多步驟任務。
3. 出錯代價高的關鍵邏輯。
4. 需要一次到位時——Opus 所需的修正次數只有一半。

GLM-5.2 有一項已有紀錄的弱點：遇到長時間多步驟任務時，有時會陷入迴圈，不斷重複相同操作。依 Z.ai 的 SWE-Marathon 報表，GLM-5.3 將對 Opus 4.8 的差距從 29.4 降至 6.3 個百分點（42.5 對 48.8）。Opus 在該測試仍得分較高，但這本身不能衡量你自己的長時間自主任務可靠率。

還有一個陷阱：工具最便宜，不代表完成工作也最省錢。如果 GLM 做了三次都不理想，你最後還得自己完成，那便宜模型的費用可能反而高於一開始就能答對的 Opus。要計算完成成果的成本，而不是每個 token 的價格。若你仍使用 Claude，該為任務選哪個模型，Sonnet 還是 Opus，我會在另一篇文章中說明。

使用方式和付款條件有哪些需要考慮？#

有哪些風險和陷阱？#

費用低不代表完全沒有代價。以下是你事前應該了解的事項。

隱私。 國際版 Z.ai 服務由一家新加坡公司登記營運，其 API 存取政策看起來還算合理：政策表示，未經你明確同意，不會儲存素材或將其用於模型訓練。但這些只是政策承諾，不是經過稽核的保證——沒有公開的安全認證。母公司是中國企業，中國法律理論上可能要求其提供資料。此外，Zhipu 於 2025 年 1 月被列入美國出口管制清單。這會限制該公司能從美國購買的產品，不會禁止使用其模型，但這是值得留意的訊號。

穩定性——最明顯的缺點。 GLM-5.2 在 6 月中旬推出時，API 因嚴格的負載限制而停擺了幾天：尖峰時段最多有一半請求遭到拒絕。若用於正式環境，這代表你需要保留 Claude 作為備援，不要完全依賴單一模型。

一般安全建議。 這適用於任何第三方 AI，使用中國模型時更應加倍注意。絕對不要在提示中放入秘密或個人資料：API 金鑰、密碼檔案內容、真實客戶的電子郵件和電話號碼，或正式環境的資料庫傾印。政策是承諾，不是密碼學上的鎖定。我在vibe coding 安全性指南中更詳細地介紹了專案安全。

你應該改用 GLM-5.2 嗎？#

根據來源資料於 2026 年 10 月 1 日更新時的情況，GLM-5.3 推出後，競爭變得更加激烈：開放模型再次便宜許多，如今在 Z.ai 的表格中也領先 Opus 4.8。對擔心 Claude 使用上限會耗盡整個預算的創業者來說，這是直接的解方。

但我會提醒你，不要以為這只是選模型的問題。記得 Semgrep 的但書——執行框架比模型本身更重要。實務工作者都這麼說：vibe coding 最常出問題的原因只有一個——沒有提供上下文。我看過有人選了便宜的 GLM，卻沒有設定好上下文工程，結果得到一團糟的輸出，最後怪罪模型。

所以我的建議很簡單。今天就連接 GLM，用自己的任務試用一週，並在困難任務上繼續使用 Opus。同時，著手改善真正帶來差異的部分——上下文管理。如此一來，即使是便宜的模型，也能產生穩定的結果。

更多資料請見 Ailoot。