跳到主要內容

【2026 最新】GLM-5.3 Claude Code／OpenCode 設定：Hosted-first 與三關驗收

最後更新： ·
GLM-5.3 Claude Code 與 OpenCode hosted-first 設定及三關 repo 驗收教學

GLM-5.3 Claude Code 現在最務實的接法，不是先找 Ollama 指令，而是把 Claude Code 或 OpenCode 接到 Z.ai hosted 服務，再用同一組 repo 任務驗收。Z.ai 已在 GLM Coding Plan 與 ZCode 提供 5.3 hosted 存取；本文兩條路都以 Coding Plan 為範圍，官方權重則仍列為後續發布項目。

這篇會帶你完成兩條路線、確認 model ID 與授權，再用修 bug、跨檔重構、工具失敗恢復三關，判斷 GLM-5.3 該放進工作流哪一段。你只要準備一個可安全修改、測試可重跑的小型 Git repo。

先說結論：今天先走 hosted，別把「預計公開權重」當安裝完成

  • 現在可做：有對應協定權限的 Coding Plan 帳號，可讓 Claude Code 走 Z.ai Anthropic 相容端點，或讓 OpenCode 走內建 provider。
  • 今天不該假裝完成：GLM-5.3 的 Ollama／llama.cpp 本機安裝。Z.ai 的 8 月 14 日公告稱權重預計在發布兩週後、完成安全評估與 hardening 再釋出；官方 release notes 則在 8 月 18 日列出 GLM-5.3。本文只以 8 月 14 日公告推算 8 月 28 日為重查節點，不把它當成保證日期。8 月 14 日官方公告、8 月 18 日 release notes
  • 判斷標準：不要只看榜單。先讓同一個 repo、同一組通過條件、同一個人工介入規則跑完，才知道它能否進你的工作流。

可用的 GLM-5.3 工作流 ＝ hosted 模型端點＋Claude Code／OpenCode Harness＋可重跑驗收。看到模型名稱，只證明入口存在；測試通過，才證明工作真的完成。

GLM-5.3 Claude Code 的 hosted-first 架構

把模型想成引擎，Claude Code／OpenCode 則是駕駛艙：它們負責讀檔、下工具、套 patch 與跑測試。Z.ai gateway 位在中間轉譯協定。想弄懂 Harness 為什麼比模型名稱重要，可先讀 AI Agent Harness 白話解析。

Claude Code 與 OpenCode 經 Z.ai hosted gateway 連到 GLM-5.3，再由 repo 測試驗收的流程圖
兩個客戶端都連到 Z.ai 的 GLM-5.3 hosted 模型，但使用不同協定端點；驗收者仍是 repo 的 lint、typecheck 與測試。

邊界要說清楚：Anthropic 支援 Claude Code 連到 ANTHROPIC_BASE_URL gateway，卻不支援路由到非 Claude 模型。這是 Z.ai 提供的相容層，不是 Anthropic 對 GLM 的背書；客戶端協定改變時，gateway 也可能要更新。Anthropic gateway 文件

這也不是「只換推論端、其他功能完全不變」。Anthropic 文件指出，使用非 first-party 的 ANTHROPIC_BASE_URL 時，Remote Control 自 Claude Code v2.1.196 起會停用；MCP Tool Search 預設也會停用，只有 gateway 能正確轉送 tool_reference 並依文件設定時才適合重新啟用。這不代表所有 MCP server 都不能用，但代表你必須把這些差異納入驗收。Claude Code 環境變數文件

路線一：GLM-5.3 Claude Code 設定步驟

1. 先準備 Z.ai Coding Plan 金鑰與最新版 Claude Code

先執行 claude --version；未安裝或要更新時，依 官方安裝頁操作。這條路不靠 Claude Pro／Max 授權，ANTHROPIC_AUTH_TOKEN 會成為 gateway 的 bearer token。

先在 Z.ai console 確認帳號能用 Anthropic-compatible protocol。官方 model page 特別註明：曾訂閱 Coding Plan（包含已到期）的部分帳號，可能暫時只能走 OpenAI Chat Completions；這類權限請改走下方 OpenCode 路線。

2. 合併設定，不要覆蓋整份檔案

macOS／Linux／WSL 使用 ~/.claude/settings.json，Windows 使用 %USERPROFILE%\.claude\settings.json。先備份，再合併下列 env；含金鑰的檔案不可提交到 repo，也不要把 token 貼進截圖或 issue。

{
  "env": {
    "ANTHROPIC_AUTH_TOKEN": "YOUR_ZAI_API_KEY",
    "ANTHROPIC_BASE_URL": "https://api.z.ai/api/anthropic",
    "API_TIMEOUT_MS": "3000000",
    "CLAUDE_CODE_AUTO_COMPACT_WINDOW": "1000000",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-4.7",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-5.3[1m]",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-5.3[1m]"
  }
}

別抄到 Z.ai 舊頁面的 glm-5.2[1m]。以 最新模型頁為準：Opus、Sonnet → glm-5.3[1m]，Haiku 類背景工作 → glm-4.7。[1m] 是長上下文標記，且需搭配一百萬的 auto-compact window。

模型限制也要一起記：Z.ai 目前把 GLM-5.3 列為 text input、1M context、最大 128K output；reasoning 始終啟用，只能選 low／high／max，預設為 max。直接呼叫 GLM API 時把 thinking.type 設為 disabled 會失敗；經 Z.ai 的 Claude Code 相容層時，false／disabled／none／off 會被轉成 low。兩條協定的行為不可混寫。GLM-5.3 模型文件

3. 用 /status 驗證，不要憑歡迎畫面猜

cd /path/to/your/repo
claude --model opus --effort max

進入後輸入 /status。通過＝Auth token 來自 ANTHROPIC_AUTH_TOKEN、base URL 正確、Model 顯示 GLM-5.3[1m]。若仍是 Claude，先查設定來源與映射；請求被拒則查方案權限與金鑰，不要先改 prompt。

Claude Code status 畫面顯示 GLM-5.3 1m、Z.ai Anthropic base URL 與使用者設定來源
Z.ai 官方文件的 /status 範例；本圖已不可逆遮蔽 session ID 與作者本機路徑。來源：Z.ai

本文的 Z.ai Claude Code 設定走 Anthropic Messages；OpenAI Chat Completions 相容的 /api/coding/paas/v4 不能直接替換這份設定。若無法收發 tool_use／tool_result，可能是協定或轉譯未對上。

路線二：OpenCode 選到正確 provider／model

啟動 OpenCode 後輸入 /connect，選 Z.AI Coding Plan 並貼入金鑰；再輸入 /models，選 zai-coding-plan/glm-5.3。完整 ID 必須含 provider 前綴，因為 OpenCode 的模型識別格式是 provider/model。OpenCode provider 文件

opencode models zai-coding-plan --refresh --verbose
opencode --pure run --model zai-coding-plan/glm-5.3 --variant max "先讀取 repo 指令，只列出測試命令，不要修改任何檔案"

找不到 5.3 時，先更新 catalog 再重開 /models。截至 2026 年 8 月 19 日，官方 catalog 將它列在 zai-coding-plan，不是一般 zai provider；這只證明內建 Coding Plan 路線，不代表其他自訂 provider 一定不可用。

三關 repo 驗收：把「感覺很強」改成可判定結果

先記錄客戶端版本，建立乾淨分支與新 session；每關從同一起點開始，不要讓兩個 Agent 同時改一個 worktree。基線先關閉外部 plugin 與非必要 MCP，再逐一加回，才不會把模型、工具與外掛問題混在一起。可搭配 自己做 AI Agent Harness寫清楚命令與停止條件。

GLM-5.3 三關 repo 驗收卡：修 bug、跨檔重構、工具失敗恢復
每關都要同時看 diff、測試與人工介入；只看模型最後一句「完成」不算通過。

第一關：修一個已有失敗測試的 bug

給模型一個已知失敗測試，要求「先重現、只修根因、再跑目標與完整測試」。通過＝兩者皆綠、沒有無關 diff；只改測試迎合錯誤行為，判失敗。

第二關：跨檔重構但保持外部行為

挑一個會碰到型別、實作與呼叫端的重構。通過＝所有引用更新、公開行為不變、lint／typecheck／tests 全過。這關專抓「單檔漂亮，整個 repo 已壞」。

第三關：工具先失敗，再看它會不會恢復

先執行故意不存在的測試 target；失敗後不得改 package.json，必須讀 scripts 與測試目錄找正確命令。通過＝誠實報錯、依 repo 證據恢復、測試通過且不捏造輸出。

每關記五件事，成本才有可比性

  1. 任務是否通過，以及由哪一條測試判定。
  2. 牆鐘時間：從送出 prompt 到最後驗收結束。
  3. 輸入／輸出 token 或 Coding Plan 點數；兩種計費口徑分開記。
  4. 工具失敗、重試次數與第一次可用 patch 出現時間。
  5. 人工介入次數：補規格、批准命令、修正方向都算。

比較「每個完成任務的成本」，別只比單次呼叫。長上下文與重試都會改變結果；可延伸看 Qwen3.8-27B 本機 Agent 驗收與 Claude token 節省方法。

別急著全面替代：planner／executor 分工更容易看清價值

AlphaLab 的手動工作流建議是：先用既有 Claude 流程做 planner／reviewer，列清目標、禁區與測試；再以另一個明確設定的 GLM-5.3 工作階段當 executor，最後由測試與人工 review 裁判。這不是 Claude Code 自動建立的雙模型分工，也不是廠商已量測的結果；Z.ai 建議設定會把 Opus 與 Sonnet alias 都映射到 glm-5.3[1m]，所以單靠 opusplan 不會產生 Claude planner＋GLM executor。這種手動拆分比用單一榜單宣布全面替代更容易定位規格、模型、gateway 或 Harness 問題。延伸比較：Claude Code vs Codex。

  • 選 Claude Code 路線：你已熟悉 Claude Code 的本機權限、hooks 與 repo 指令，也接受非 first-party base URL 對 Remote Control、MCP Tool Search 與相容性的限制。
  • 選 OpenCode 路線：你想用 provider／model ID 明確切換，並讓不同 hosted 模型共享同一套開源客戶端。
  • 先維持原流程：你的專案高風險、gateway 行為未驗證，或三關中仍需大量人工救援。

GLM-5.3 本機可用性：等這六個條件，不等一句「權重即將公開」

截至 2026 年 8 月 19 日，Hugging Face 的 zai-org 搜尋未列出 GLM-5.3，Z.ai 官方 GLM-5 repo 下載表仍止於 5.2，Ollama 官方 library 的精確 glm-5.3 路徑也尚無模型頁。本文只判定這些官方面向尚無可驗證的公開 5.3 artifact，不推論所有第三方位置。舊版背景可看 GLM-5.2 完整解析。

GLM-5.3 從 hosted 到本機的六項 readiness checklist 與官方發布時間線
8 月 28 日是依「發布兩週後」推算的重查節點；真正切換本機，仍要等權重、授權、runtime template 與同題驗收。
  1. 官方 artifact：權重、config、tokenizer 與 checksum 都能從官方來源取得。
  2. 授權條款：商用、再散布與衍生量化的界線已讀懂。
  3. runtime 支援：Ollama／llama.cpp 使用正確 template，不只是能載入檔案。
  4. 記憶體預算：量化大小、KV cache 與一百萬 context 的需求分開估算。
  5. Agent 協定：thinking、streaming tool arguments、tool schema 與停止條件能正確往返。
  6. 同題重跑：把 hosted 三關原封不動搬到本機；品質、延遲、成本與人工介入都過線才切。

常見問題 FAQ

1. GLM-5.3 現在能直接用 Ollama 跑嗎？

不能把它當成今天已完成的官方 5.3 路線。截至 2026 年 8 月 19 日，Ollama 官方精確 library 路徑尚無模型頁；本文只據此判斷當下不可照官方模型頁安裝，不推論未來發布時間。

2. Anthropic 官方支援在 Claude Code 裡跑 GLM 嗎？

不支援非 Claude 模型本身。Anthropic 支援的是 gateway 機制；GLM-5.3 的模型映射與相容轉譯由 Z.ai 提供，兩邊的責任要分開看。

3. 需要 Claude Pro 或 Max 訂閱嗎？

這條在本機執行 CLI、推論仍走 Z.ai hosted gateway 的路線不靠 Claude 訂閱授權。你需要的是可用的 Z.ai 金鑰／Coding Plan；ANTHROPIC_AUTH_TOKEN 在驗證優先序上會蓋過既有 Claude 登入。

4. glm-5.3 與 glm-5.3[1m] 是兩個模型嗎？

不是兩套基礎模型。[1m] 是 Claude Code 端的長上下文標記；核心 API model ID 仍是 glm-5.3。

5. OpenCode 看不到 GLM-5.3 怎麼辦？

先更新 catalog，再確認 provider。執行 opencode models --refresh，回到 /models 尋找 zai-coding-plan/glm-5.3，不是只找裸的模型名稱。

6. 能聊天但工具一直壞，是模型不會 coding 嗎？

不一定。先檢查 endpoint 與 tool schema。Claude Code 必須走 Anthropic Messages endpoint；只有 OpenAI-style tool_calls、沒有轉成 Anthropic 的 tool_use／tool_result，工具流程就不完整。

7. GLM-5.3 能直接看我貼進 Claude Code 的圖片嗎？

不要當成原生能力。Z.ai 目前把 GLM-5.3 文件標成 text input；需要視覺理解時，應另接受支援的 vision 工具或 MCP，並獨立驗收。

8. 什麼時候才值得從 hosted 改成本機？

六項 readiness 全過再換。權重能下載只是第一步；runtime、記憶體、工具協定與同題品質若沒過線，本機很可能只是把 API 問題換成新的維運問題。

給新手的 5 個重點

  1. Claude Code 用 /api/anthropic；OpenCode 選 zai-coding-plan/glm-5.3，兩條路不要混 endpoint。
  2. 先用 /status 或 /models 證明 model、auth、設定來源都正確。
  3. 真正驗收必須包含工具呼叫與測試，不能只問模型「你是誰」。
  4. 把 planner、executor、測試裁判拆開，比全面替代更容易定位問題。
  5. 即使未來官方權重實際發布，仍要通過本機六項清單；不要把「預計公開權重」誤讀成「Ollama 已可用」。

下一步：先留下第一張可比較的驗收紀錄

先選一條路，完成 model／auth 驗證，再跑第一關 bug fix；失敗就把 endpoint、工具協定、repo 指令與模型能力分開排查。更多實作題在 AlphaLab AI 專區，也可從 AlphaLab 課程補齊 Agent 開發底層。

ALPHALAB 社群

有問題？來 Telegram 聊

和 Terry、編輯、其他網友一起討論這篇文章。提問、分享觀點，回覆更即時。

加入 Telegram 討論

📩 訂閱 AlphaLab 電子報

每週最多兩封，收到週報精選與關鍵 Alpha Signal。

我們不會 spam，隨時可退訂。