大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



在国庆这几天，deepseek，glm4.6，Claude4.5全部更新后，但是Claude4.5价格确实有点高，想在国内选一个好点的模型，选哪个好点，glm4.6？codebuddy？deepseek？

如果你在 Claude Code 里用 GLM-4.7 写代码，可能经常感觉它理解复杂需求或生成高质量方案的能力有限。

一个性价比很高的办法是：让 GLM-4.7 做它擅长的事——收集上下文，再交给 Gemini 3.0 Pro 做分析和设计，最后回到 Claude Code 执行修改。

具体步骤很简单：

1. 在 Claude Code 里开启 Plan 模式

用清晰的提示词描述你的问题或需求，让 GLM-4.7 帮你收集相关的代码文件、依赖、报错信息、结构说明等所有上下文。

GLM-4.7 的强项正在这里——它能很好地理解你要它“收集什么”，并且把相关文本整理出来。

不要觉得plan模式啰嗦慢，但是他能精确收集上下**计划，比直接开干改代码强太多。

2. 把整理好的完整上下文发给 Gemini 3.0 Pro

去 Google AI Studio（免费，经常被检测地区不对或者报错的，可以用家宽或者clas？ party，他这个智能嗅探是真的强），将刚才收集的代码、需求、背景一起粘贴给 Gemini 3.0 Pro，让它分析问题、设计修改方案、提供具体代码改写建议。

Gemini 3.0 Pro 在复杂逻辑、架构设计上的表现明显更强，能给出更可靠的方案。

3. 将 Gemini 的建议带回 Claude Code

把分析结果和修改方案粘贴回 Claude Code（推荐先用plan模式让他自动收集上下文给出更加精细的指导），让 GLM-4.7 根据方案执行具体的代码改动。因为它已经有了明确的指引，此时只负责实施，效果会好很多。

这个流程的核心就是上下文工程：

用弱模型做它擅长的信息整理与聚合，强模型做它擅长的分析与设计，分工合作，低成本获得高质量输出。

这样既不需要全程使用高价 API，又避开了 GLM-4.7 在复杂推理上的短板，适合日常编码中那些“需要深度思考”的场景。

试试看，你会发现 GLM-4.7 + Gemini 3.0 Pro 的组合，效率提升非常明显。

达到“可用”级别，使用时感觉和Claude 3.x比较接近，两者患有类似的阿斯伯格症，很多时候会固执地反向执行你的要求。

无法执行较为复杂的任务，最好是一次提一个修改点，上下文较长时明显丢三落四，低级错误较多。喜欢用造火箭的手段拧螺丝，喜欢使用不存在的方法，喜欢假设所有准备已经完成并直接使用某些方法或类。和Claude 3.x一样，令人血压升高。

我偏向于认为，GLM模型的基础能力已经到位了，但是调教还有问题。给人的感觉是明明会做的题，到处粗心丢分。

在调用工具时并出错时，哪怕工具给出了明确的错误原因，GLM会固执地重复执行并重复失败，不要试图用它跑全自动Agent任务。

智谱提供了220元1亿1千万Tokens的三折资源包，三折的价格可以算是物美价廉，建议购买。至于原价的API不能算太便宜，但比其他选项确实便宜得多。资源包的总tokens数虽然有限，但是听说GLM5会在年底发布，到时候会有新的优惠。

单纯看价格，相对于Claude/GPT要便宜的多，但是注意，首先在不犯错的情况下，执行相同的任务GLM4.6和GPT5-Codex相比会多消耗将近一倍的tokens，而资源包按我的理解是没有缓存优惠的。同时解决相同的问题GLM4.6可能需要多尝试几次，如果考虑你自己的时间成本，那就不便宜了。

4bit MLX版本的精度已经到了可用的下限，大小199G已经到达256G版本Mac的上限。全精度模型在整体任务的把控能力尚且不足，我就不指望用低精度本地跑Agent了。而简单开着问些问题或者做一些自动化资料处理任务的话，似乎有些大材小用。也许智谱可以考虑下GPT-OSS的做法。

参考：M3 Ultra 256G最低配置下，4bit量化MLX模型速度约20 tokens每秒。这个速度只适合用来整晚跑后台任务，直接交互会让人急死。意外的是，能力看上去还可以，有空了做个全面的测试看损失到底在什么程度。

如果你全程使用单一模型，那么GLM4.6可能不是最好的选择，影响情绪和效率。

如果你的工具可以支持多模型混用，比如用GPT来做高级别计划，然后分派具体的实现内容给到GLM，那么也许OK。但节约的费用可能非常有限。

单纯从费用出发的话，可能你应该尝试Grok-Code-Fast-1，而不是GLM4.6，Grok的这款模型有些问题可能解决不了，但是发挥比GLM稳定地多，低级错误较少。

如果你是非开发人员但需要写代码来处理一些数据或简单的自动化，或者如果你是学生且预算有限，那么无脑选择GLM。任务的复杂度不高而难度较高时，GLM足够好，也足够便宜。

如前所述，GLM目前是个有力不会使的模型。请智谱的大佬再接再厉，最好在GLM5发布时，来一个能力更强的原生4bit MLX版本，这样我就不会为了tokens抠抠搜搜，而是开着Agent随便造了。

---

随着模型能力的提升，个人经济承受能力已经成了使用AI的最大障碍。Claude和GPT的能力虽然强，但跑起来真的是在烧钱。如今（假如不看写出来的内容）用Claude写代码已经没有之前那种高血压的情况了，让人觉得在愉快而流畅地烧钱。GPT更强也稍便宜，但Codex卡得只有Claude10分之一不到的速度，让我这个急性子觉得在一卡一卡地烧钱。整晚地跑Agent虽然美妙，但我已经实在没有钱了 。

---

Update ¹¹⁄₈

无语啊，昨天开始看到Claude Code里的报错：

API Error: Claude Code is unable to respond to this request, which appears to violate our Usage Policy
( https://www. anthropic.com/legal/aup ). Please double press esc to edit your last message or start a new session for
Claude Code to assist with a different task. If you are seeing this refusal repeatedly, try running /model
claude-sonnet-4- to switch models.

第一反应是Claude Code把GLM禁了。然后在Roo Code里也看到连续的报错：模型没有给出任何有意义的回复。我一拍脑门Roo Code升级后对GLM不兼容了。掏出Postman测了下，api正常的呀，那应该就是anthropic和roo的问题了。

今天在ChatBox里连GLM问技术问题，又报错。福至心灵，检查提示词，发现和梯子相关的敏感词。再测试发现API网关会直接拒绝包含敏感词的请求。

我倒是能理解屏蔽特定内容的初衷和必要性，但好歹把API网关的拒绝包装成一个回答吧，直接把工具链搞断了会让用户摸不着头脑吧。

用本地的4.6跑了下，模型倒没有拒绝，直接输出了完整的回答。代码可用，在4bit精度下和其它模型比较均略有不足，唯一比它拉跨的是GPT5，不晓得Open AI干了什么，最近半个月感觉GPT一直在梦游。

最近找了三台 nvidia a800 运行 glm4.6 模型，试了一段时间，claude code 输出质量还是可以的。

现在智普官方提供了 20元的包月套餐，便宜实惠，api 还兼容了 claude 协议。