GLM Coding Plan：我们的实测评价
专为代码助手设计的 GLM 模型 API 接入服务——由以开放权重形式发布模型权重的实验室提供。
目前，将代码助手连接到大型模型时，这是性价比最高的方案——正是因为模型权重开放，而且您仍可转为本地运行。不过，确实有一点需要注意：部分订阅用户认为套餐配额不够透明。
究竟是什么？
GLM 是中国研究机构智谱 AI（国际品牌：Z.ai）的模型系列，智谱 AI 自 2026 年 1 月起在香港上市。其特别之处，也是本网站数月来持续介绍它的原因，是模型权重以开放权重形式发布。GLM-5、GLM-5.1、GLM-5.2 已收录在我们的目录中，并列出了各自的显存需求。
Coding Plan 是面向编程的 API 订阅服务：它通过与现有助手（Claude Code、Cline、Roo Code）兼容的协议提供 GLM 模型，价格显著低于同等的美国 API 服务。理念很简单：您的编程工具感觉不到区别，账单却会体现出来。
我们的测试：在消费级 GPU 上本地运行 GLM 的能力极限
在评估 API 之前，我们先在测试机器（RTX 5070 Ti 12 GB + Intel Core Ultra 9 275HX，CachyOS，Ollama）上将本地运行方案推到了极限。这正是开放权重模型系列的价值所在：问题不是「使用 API，否则就别无选择」，而是「从什么时候起，API 才成为必需」。以下是有实测数字支撑的答案：
| 测量 (26/08/2026) | 结果 |
|---|---|
| 已在本地测试的模型 | GLM-4.7-flash（量化 q4） |
| 内存占用 | 20 GB — 对于 12 GB 显存：模型卸载分配为 CPU 47% / GPU 53% |
| 代码生成（Python 任务） | 35 tokens/s —— 流畅得令人惊讶 |
| 提示词处理（prefill） | 5.8 tokens/s ——真正的瓶颈 |
| 模型加载 | 25 s |
测量结果揭示的情况比“显存装不下”更细致：即使有一半卸载到 CPU 上，模型 生成 每秒35个token——适合聊天场景。但 提示处理 最高只能达到 5.8 token/秒：发送一个包含 2 000 token 的文件进行分析，在输出第一个字之前，就已经要经历五分多钟没有任何输出的等待。而代码助手一直都在做这件事——每次迭代都重新读取您的文件。
结论明确：在配备 12 GB 显存的消费级 GPU 上，这一系列模型 无法用作本地编程智能体，原因不在生成阶段，而在预填充（prefill）阶段。这正是 Coding Plan 要弥补的缺口：提供同一系列的模型，预填充即时完成，同时让您的 GPU 保持空闲。如果您的显存达到或超过 24 GB，请重新计算—— 配置工具 会根据您的机器给出计算结果。
价格
Coding Plan 提供多个档位（从供个人使用的入门档，到供多智能体高强度使用的“Max”档）。2026 年 8 月观察到的价格从入门档每月几美元到高档每月几十美元不等，大致比 Anthropic 或 OpenAI 的同类订阅低一个数量级。Z.ai 经常推出首月优惠：订阅前请核实当前价格，因为价格变化很快。
优势与局限
- 开放权重 = 无锁定：您的提示、工作流甚至模型均可本地恢复
- 可与现有代码助手（Claude Code、Cline、Roo Code）兼容，无需更换工具
- 入门价格远低于同等的美国API服务
- 实力雄厚的企业：智谱AI，香港上市公司，开放模型领域的重要研究机构之一
- 部分订阅用户认为配额不透明（“3× Claude”的说法在高峰时段受到质疑）——截至 2026 年 8 月，Trustpilot 上基于 32 条评价的评分为 2.1/5，请在第一周留意您的使用量
- 根据相同反馈，客户支持响应缓慢
- 您的请求会经过 Z.ai 的服务器：处理受 NDA 约束的代码时，应排除这一方案——任何 API 都有这一问题，这也是本地部署始终是我们参考标准的原因
常见问题
可以免费使用GLM吗？
是的。GLM 模型以开放权重形式发布：量化版本可免费下载，并通过 Ollama 或 LM Studio 运行，但受您的显存容量限制。订阅仅涉及完整版本的 API 访问，这些版本运行在 Z.ai 的基础设施上。
GLM 编程计划能否与 Claude Code 兼容？
是的，这是其核心优势：API 提供了兼容的协议，只需将工具指向 Z.ai 的端点即可。Cline 和 Roo Code 也得到支持。配置过程仅需几分钟。
公布的配额可靠吗？
这是有记录的主要疑虑。部分订阅用户反映，高峰时段的配额消耗速度比宣传的更快，服务的 Trustpilot 评分也因此受到影响（评分为 2.1/5，样本较小，仅有 32 条评价）。我们的建议：先选择入门档套餐，衡量一周的实际使用情况，再做决定。
使用此方案，我的数据会去向何处？
您的请求会在 Z.ai 的服务器上处理。对于受保密协议（NDA）约束的专有代码或受监管的数据，规则不变：继续使用本地模型——这个系列的权重是开放的，因此确实可以在本地运行。
本地运行GLM需要什么样的设备？
较小的量化版本可以在配备 8 至 12 GB 显存的 GPU 上运行。较新的 MoE 版本需要更多显存（GLM-4.7-flash：以 q4 量化加载后约占 20 GB，这是在我们的机器上测得的）——这些需求可以通过我们的配置工具量化查看，它会准确告诉您，您的机器能够运行多大的模型。