# GLM-5.2 追上 Claude Opus 4.8：開放模型的費用便宜 5 倍 > Z.ai 的 GLM-5.2 寫程式的能力幾乎媲美 Claude Opus 4.8，費用卻低了許多。我會檢視測試結果、價格，以及如何在 5 分鐘內將開放模型連接到 Claude Code。 Source: https://ailoot.ai/blog/zh-hant-tw/glm-5-2-vs-claude-code/ Canonical: https://ailoot.ai/blog/zh-hant-tw/glm-5-2-vs-claude-code/ Language: zh-Hant-TW Publisher: Ailoot (https://ailoot.ai/) Translation: guide-101 Revision: sha256-25bdf5976226c07eb41730edc0ce8ba6cf96dbce30809abd561232bb84dea8cc
重點摘要 2026 年 9 月更新：GLM-5.2 的後繼版本 GLM-5.3（8 月 14 日）已推出，以下數據現在全部指的是 GLM-5.3。中國 Z.ai 的 GLM 寫程式的能力已達到 Claude Opus 4.8 的水準，有些領域甚至更勝一籌，價格卻便宜許多，而且開放使用。日常工作、前端任務和中型修改都能用它取代 Opus，費用只有五分之一。Opus 在最長時間的自主任務上仍較可靠，不過 Z.ai 表格中的 SWE-Marathon 差距已從 29.4 縮小至 6.3 個百分點。以下整理實際數據，以及如何在 5 分鐘內將 GLM 連接到 Claude Code。
[Ailoot 文件](https://ailoot.ai/docs/) — 使用這項服務的參考資料。
## GLM-5.2 是什麼？為什麼大家都在談論它？
重點摘要 GLM-5.2 是北京的 Z.ai（前身為 Zhipu）推出的模型，於 2026 年 6 月 13 日發布，正好是美國政府迫使 Anthropic 停用頂級模型 Fable 5 和 Mythos 5 的隔天。目前這個系列的最新版本是 GLM-5.3（2026 年 8 月 14 日）。這個系列的主要特色是：程式碼品質接近 Opus，具備開放權重，價格也便宜許多。
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。

今天下午 5:21（美國東部時間），我們收到政府指令。為了遵守相關要求，我們必須突然對所有客戶停用 Fable 5 和 Mythos 5。

— Anthropic, https://www.anthropic.com/news/fable-mythos-access
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？
重點摘要 GLM-5.3 推出後，情勢有所改變。在 Z.ai 的官方表格中，它在七項測試裡有五項勝過 Opus 4.8，也幾乎補上了 GLM-5.2 的主要弱點——需要數小時的任務（同一份報表中的 SWE-Marathon：GLM-5.2 為 19.4、GLM-5.3 為 42.5、Opus 4.8 為 48.8）。這張表沒有列入 Opus 5，目前也沒有「GLM-5.3 對 Opus 5」的獨立測量結果。坦白說：GLM-5.3 現在領先 Opus 4.8；至於 Opus 5，還不知道。
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。 | 測試 | GLM-5.3 | GLM-5.2 | Opus 4.8 | 顯示結果 | |----|----|----|----|----| | Terminal-Bench 2.1（終端機工作） | 88.2 | 81.0 | 85.0 | GLM-5.3 領先 | | Terminal-Bench 3.0 | 28.3 | 4.6 | 21.1 | 成績提升六倍；領先 Opus 4.8 | | DeepSWE（真實程式庫任務） | 66.9 | 46.2 | 58.0 | GLM-5.3 領先 | | FrontierSWE（中型任務） | 78.1 | 67.5 | 66.5 | GLM-5.3 領先 | | NL2Repo（大型專案中的修改） | 58.0 | 48.9 | 69.7 | Opus 仍較好 | | SWE-Marathon（需要數小時的任務） | 42.5 | 19.4 | 48.8 | 差距從 29.4 降至 6.3 個百分點 | | CyberGym（尋找漏洞） | 84.5 | 77.2 | 78.1 | GLM 表現最佳 | 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。

兩個模型都修好了錯誤，但在價格和程式碼品質方面 GLM 勝出：GLM 用了兩倍的 token，費用卻只有一半。Opus 留下了型別錯誤，雖然通過測試，卻會破壞正式環境建置。

— Cline
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。

這是在一個資料集上執行一次的結果。模型周圍的執行框架比模型本身更重要。

— Semgrep
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？
重點摘要 以每個 token 計算，GLM-5.3 的輸入價格比 Opus 5 便宜 3.5 倍，輸出價格則便宜將近 6 倍——雙方價格自上一代以來都沒有變動。以典型使用量計算，每月帳單相差約 5 倍。不過有個但書：GLM 在相同任務上會消耗更多 token，因此單一任務實際節省的費用介於 2 到 7 倍。
差異就在這裡。我們來比較每百萬個 token 的價格。 | 模型 | 輸入（\$/1M） | 輸出（\$/1M） | |----|----|----| | GLM-5.3（直接透過 Z.ai 使用） | \$1.40 | \$4.40 | | Claude Sonnet 5 | \$2.00 | \$10.00 | | Claude Opus 5 | \$5.00 | \$25.00 | | Claude Mythos 5.1（價格最高的 Claude） | \$10.00 | \$50.00 | 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](https://ailoot.ai/blog/zh-hant-tw/free-coding-models/)。 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
重點摘要 不必下載任何東西——透過環境變數，就能將 GLM 連接到你平常使用的 Claude Code。這裡介紹的是 Z.ai 訂閱方案（每月 18 美元起，每天工作時最簡單）。以下列出設定步驟，可直接複製貼上。
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。 ```json { "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" } } ```
警告 其他指南常見兩個錯誤。第一，變數名稱是 `ANTHROPIC_AUTH_TOKEN`，不是 `ANTHROPIC_API_KEY`。第二，Claude Code 專用網址是 `https://api.z.ai/api/anthropic`（Anthropic 格式）。單獨的 `/api/paas/v4` 無法搭配訂閱方案使用。
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。 ```json { "env": { "ANTHROPIC_BASE_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？
重點摘要 簡單的原則是：80% 的程式開發工作交給便宜的主力工具 GLM，困難任務則交給昂貴而可靠的專家 Opus。草稿、反覆修改、前端工作和日常任務都適合用 GLM，只要重做不會造成太大問題即可。最終版的複雜架構、長時間多步驟任務，以及出錯代價高的關鍵邏輯，則繼續使用 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](https://ailoot.ai/blog/zh-hant-tw/claude-code-model-effort-sonnet-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？
重點摘要 來源資料說明了一種付款方式：訂閱 Z.ai。
## 有哪些風險和陷阱？
重點摘要 有三項缺點。隱私：這是中國模型，資料會傳送到 Z.ai 的伺服器（法人實體位於新加坡；其政策承諾不儲存你的程式碼，也不以程式碼訓練模型，但沒有獨立稽核）。穩定性：6 月 GLM API 因過載而停擺了幾天。另外，任何第三方 AI 都有一般性的風險——絕對不要傳送秘密或客戶資料。
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](https://ailoot.ai/blog/zh-hant-tw/vibe-coding-security/)指南中更詳細地介紹了專案安全。 ## 你應該改用 GLM-5.2 嗎？
重點摘要 如果 Claude 的費用讓你吃不消——是，現在就試試看；設定只要 5 分鐘。日常工作用 GLM，困難任務用 Opus，讓較簡單的 80% 任務省下費用。但請記住重點：80% 的成果取決於你放進上下文的內容。沒有妥善設定上下文的便宜模型，只會產生一團糟的結果。
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](https://ailoot.ai/blog/zh-hant-tw/context-engineering/)，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。
### 來源 - [Z.ai - GLM-5.3 模型卡（HuggingFace）](https://huggingface.co/zai-org/GLM-5.3) - [Z.ai - GLM Coding Plan](https://z.ai/subscribe) - [Z.ai - GLM-5.2 官方部落格（HuggingFace）](https://huggingface.co/blog/zai-org/glm-52-blog) - [Z.ai - GLM-5.2 模型卡](https://huggingface.co/zai-org/GLM-5.2) - [Z.ai - API 定價](https://docs.z.ai/guides/overview/pricing) - [Z.ai - 連接 Claude Code（文件）](https://docs.z.ai/devpack/tool/claude) - [Anthropic - Claude 定價](https://www.anthropic.com/pricing) - [Anthropic - 停用 Fable 5 和 Mythos 5 的聲明](https://www.anthropic.com/news/fable-mythos-access)
更多資料請見 [Ailoot](https://ailoot.ai/)。 ## 常見問題：GLM-5.2 追上 Claude Opus 4.8：開放模型的費用便宜 5 倍 ### SWE-Marathon 報告中的差距，實際縮小多少？ 依同一張表，Opus 4.8 減 GLM-5.2 為 48.8 − 19.4 = 29.4 個百分點；減 GLM-5.3 為 48.8 − 42.5 = 6.3 個百分點。這份供應商比較的差距縮小 23.1 點，約 79%。 ### token 單價較低，就保證完成任務比較便宜嗎？ 不保證。請記錄自己的任務總輸入、輸出、失敗嘗試與通過驗收的成果。更多迭代或未完成工作可能抵銷低單價，因此應比較完成成果的成本，而非只看價目表。 ## Ailoot · 公司及其專案組合 Ailoot以累積的營運經驗、廣大的客戶群、穩定的服務及持續的KPI管理為基礎。 公司及其專案組合：數百萬客戶，每月銷售額達數十億。 Ailoot將這些營運經驗用於API存取，讓客戶的產品、代理、應用程式及自動化流程使用AI功能。