今天，GLM5.3上线了，最值得关注的就一条，**在内部自建体感评测中较GLM-5.2提升50%，在包括Terminal Bench 3.0、Agents' Last Exam (CLI)在内的公开基准测试中取得开源第一。**

不过老金今天更想说的是Zcode，8月11号，ZCode发了条消息：用户数到一百万，Goal、Subagents、Remote Control、闲时任务四个能力一起上线，同一天下午1点，GLM Coding Plan全体用户的额度重置了。

本来我以为，又是一次常规大更新，直到我这两天试过之后，感觉还是要来说说，Zcode的在我的使用频率中，在逐步提升。

![image](https://developer.qcloudimg.com/http-save/yehe-10990648/54a4cead0216a23162fb58cbf61e4314.png)

**最新的感受是，瓶颈慢慢不在模型够不够聪明了。在成本够不够低，和你敢不敢把整个复杂活交给它自己跑完。**

这次更新，动的就是这两件事。

## 关于重置这件事儿

用户破百万直接重置额度，这事我第一眼就想到了Codex的Tibo。

这哥们已经快把Reset玩成固定节目了。用户涨了发，Bug修了发，新模型上了也发，圈里甚至有人叫他“Reset之神”，包括我在内一帮开发者开玩笑叫他“义父”。

![image](https://developer.qcloudimg.com/http-save/yehe-10990648/5f1573d227a7da9454b6f43abfba8902.png)

看着是在发福利，其实也是个增长飞轮：额度一发，老用户回来跑重活，结果往社媒一晒，新用户看见真能干活，也跟着进来。

官方还没明确说以后还是不是这样，不过有前车之鉴，如果真这样，想想都很爽了。

## 缓存命中率

只重置一次额度，花着花着还是会没，**真正决定你那份额度能撑多久的，是缓存。**

比如你可以看看自己的统计，在我的个人主页上你可以获取个插件来自动统计，比如我今天的就这样，大家也其实都是这样。

![image](https://developer.qcloudimg.com/http-save/yehe-10990648/43151c20f228ee6f7839b21c152485f3.png)

做长任务的时候，AI会反反复复读同一堆东西，系统说明、项目文件、前面几轮的上下文，缓存要是命中了，这些重复内容就按更低的积分结算，不用每一轮都付全价。

智谱公布的数据，GLM搭ZCode，**Token缓存命中率98.10%。**

同一组里，Pi是95.95%，Claude Code是95.30%，OpenCode是95.17%，Cursor是95.02%。

![image](https://developer.qcloudimg.com/http-save/yehe-10990648/1f8de323dca088031845a9e82ee3ede2.jpg)

两三个点的差距，放一轮对话里你看不出来，可任务连着跑几十轮，重复上下文越攒越多，这点差距才会一点点反映到积分消耗上。

按智谱的算法，ZCode这套缓存复用，能让GLM Coding Plan的有效Token量提升差不多30%，不是账户里凭空多出Token，是同一份额度处理重复上下文时花得更省，最后能多跑几个活。

哦对了，**8月31号之前**，在ZCode里用GLM Coding Plan还有**1.5倍的限时额度加成**，官方有张图把这笔账拆得明明白白，基础额度100%，限时福利+50%，缓存优化再+30%，叠到一起整体使用量到180%。

![image](https://developer.qcloudimg.com/http-save/yehe-10990648/970ade726303ded0f74db69aad8b4bd4.jpg)

## 闲时任务

这是这次的新功能，你把任务交上去，不用定几点开始，ZCode会等到低峰时段自己跑，**在闲时任务权益范围内，这部分不扣GLM Coding Plan的积分。**

入口在这：
![image](https://developer.qcloudimg.com/http-save/yehe-10990648/8d72c94a04f455e0b6f6c00bafad91b6.png)

适合那种晚几个小时拿到也不耽误事儿的活，代码库分析、补文档、查测试覆盖、理技术债，或者先跑一轮只读的风险扫描。

我会这么写这种任务：
```
检查当前项目最近一周的代码变更，只读，不修改文件。

给我以下结果。
1. 可能遗漏的测试
2. 文档和实现对不上的地方
3. 高、中、低三档风险清单
4. 每条结论对应的文件和证据
```
我自己倒是更喜欢自动化，权限全开，但要注意它可能会删除你的东西，如果你想更稳妥一些，选择**变更前确认。**
![image](https://developer.qcloudimg.com/http-save/yehe-10990648/a550331aa866d9f95dab4ac86e7a360d.png)

普通定时任务你得指定晚上10点跑，闲时任务不用选时间，等资源空下来执行一次就行。

**免积分也有需要注意的**，只在闲时任务权益范围内成立，具体几点开工由低峰队列说了算，今晚必须上线的活，别往里塞着干等。

我特别喜欢它带来的这个变化。

以前我会问：**这个活值得我花额度让AI做吗？**

现在开始变成：**反正闲着也是闲着，还有什么一直没空干的活，扔给它呗。**

很多事情不是不会做，只是它们永远排不到今天。

## Goal和Subagents

钱的问题解决了，接下来才是我以前不敢把大任务整个交给AI的真正原因。

越用AI我越觉得：**让它开始干，一点都不难。难的是几个小时以后，它还记得为什么出发，并且知道什么时候才有资格回来告诉你“我干完了”。**

晚上下班前，你跟AI说：“剩下的问题都修掉，测试跑完。”第二天打开电脑，它特别自信地告诉你：完成了。果测试是红的，需求漏了一条，还顺手动了一个你根本不想让它碰的模块。

这种事我真遇到太多了。

AI有时候最大的问题不是不会干，而是太容易把“我干了很多”，当成“我干完了”。

**Goal就是这样，把做成什么样算结束讲清楚的功能。**你先写清楚要什么结果、怎么算验收，ZCode再围着这个目标自己拆任务、改代码、跑命令、执行测试，条件没全满足，它就接着干。

这才是长任务真正难的地方。

我自己开源过一个GoalPro Skill，就是专门干这个的。

![image](https://developer.qcloudimg.com/http-save/yehe-10990648/c97f2fea1d1de1065c986505d518eddd.png)

你也可以直接输入，比如这样：
```
/goal 完成当前版本上线前收尾。

先核对需求文档和当前实现，列出遗漏和风险。
再改掉已经确认的问题，跑相关测试。
只有差异报告完整、测试全过、支付模块没被动过，才算完成。
```
当你看到这个图标的时候，目标就设定成功了。
![image](https://developer.qcloudimg.com/http-save/yehe-10990648/45110c3face92a3d8845b9fa0c4d0d44.png)

我们再来说说老金我更喜欢的Subagent。我的**Meta_Kim项目**做的真实世界镜像映射就是这样，因为我管理层做了很多年，擅长制定目标，分派任务，**以达成并行高效的制作**。

目前我还没映射Zcode，不过原理一样，你可以让Zcode自行安装，等我有空时候适配一遍。

![image](https://developer.qcloudimg.com/http-save/yehe-10990648/5c57b6f1d5f4ef4d512ca8e0e28550aa.png)

ZCode自带两个内置子智能体，拿来就能用，Explore只读，负责搜代码、理调用链、攒证据，General-purpose能动手，改文件、修bug、跑命令，这俩是官方默认配置。

![image](https://developer.qcloudimg.com/http-save/yehe-10990648/d235eae796e00d61aaa4952e51f8319a.png)

如果你有了多个agent，搞多agent并行协作，我自己有个开源的agent team playbook，就是干这个的，它能直接调用你所有的subAgent来编排好，自动跑他们该跑的事情。

![image](https://developer.qcloudimg.com/http-save/yehe-10990648/2ba444881edaf4dcef017e53603a7247.png)

这里还有个容易忽略的好处，搜索调研的活，要塞进独立上下文，主对话就不用被一堆搜索过程撑爆，注意力能留给目标、关键判断和最后验收。

**总结一下：多Agent特别重要的价值，是把脏活拿出去，让真正稀缺的主上下文留给目标、判断和验收。**

这其实跟真实公司越来越像。

老板不需要知道员工为了一个结论翻了多少文件，他真正需要的是：**查明白了吗？证据在哪？接下来怎么办？**

**Remote Control**管的是你离开电脑之后，有两种用法，临时用就扫个码连上，长期用可以连到微信或飞书，电脑开着，手机随时能盯进度、补指令、建任务。代码还在原来的本地、SSH、WSL或Docker里跑，不挪窝。

这部分我7月底完整写过一篇说明的文章，不明白去看那篇，直接搜Zcode就行。

![image](https://developer.qcloudimg.com/http-save/yehe-10990648/7714e988ed5bff06fe37f4b95dfd51f2.png)

## 关于Harness的2.39%

ZCode管自己叫"GLM最佳Harness"。

Harness说白了，就是模型外面那套执行系统，管怎么读项目、怎么存上下文、怎么调工具、怎么拆任务、怎么复用缓存、怎么跑测试，最后拿什么证据判定活干完了，模型一样，外面这套系统不一样，结果就可能不一样。

**GLM-5.2搭ZCode（5.3是在这个报告之后，今天刚出的），任务整体通过率比搭Claude Code高2.39%，但单个检查项通过率反而低1.22%。**

这两个数字放一起，我反而觉得比“全面领先”更有意思。

**它想证明的不是每一步都比别人聪明，而是几十步连续跑下来，更容易把整个活收回来。**

![image](https://developer.qcloudimg.com/http-save/yehe-10990648/2b3cfefbfaf3b32aed6e6340b5ef43c2.jpg)

任务整体通过率，要求一项任务里所有条件全满足，检查项通过率，是每条要求分开算，ZCode完成了更多从头到尾全部通过的整任务，但在单个细分检查上没全面领先。

**我的判断是，ZCode这次想证明的优势，集中在收尾。**

一个任务要动一堆文件，中间跑命令、补测试、查结果，单步做对不难，难的是这些步骤连着跑下来，最后所有验收条件同时满足。

这特别像真实工作。

一个员工每天特别忙，做了几十件事，不代表最后能交东西。

真正值钱的是：**事情闭环了吗？**

一个真实任务可能要动十几个文件，中间查资料、改代码、跑命令、补测试。单独把某一步做对，已经不是今天AI最难的事了。

难的是几十步以后，它还记得自己为什么出发，最后所有验收条件还能同时满足。

## 和Claude Code、Codex比

先说清楚一件事，这组2.39%，是同一个GLM-5.2分别放进ZCode和Claude Code跑出来的。

**模型没换，只换了外面那层Harness。**

这其实是最好看的一组对比，因为它把模型这个变量摁住了，只比谁把GLM用得更透。

三家底子不一样，Claude Code绑死Claude，Codex绑死GPT，模型和工具焊在一起卖，ZCode是专门给GLM做的Harness，它要证明的是同一个GLM放进它这里，能多干多少活。

**真正的选择，不是谁更强，是你跑哪个模型、团队已经沉淀在哪套工具上。**

你跑GLM，ZCode现在能给你最高的缓存命中率和最划算的额度。

你团队已经在Claude Code里配好了一堆子智能体和Skills，那套东西是你的资产，别为几个额度搬家。

你靠Codex的云端沙箱跑大批量并行任务，那套队列是它的看家本领，ZCode现在还替代不了。

Codex没参加这组Bench，所以三家没法塞进同一张排名表硬比。

一句话，这次ZCode没想着通杀，**它就想当你用GLM时的首选入口。**

## 写在最后

这次我第一次开始认真考虑：**有些活，我是不是可以真的不亲自做了？**

过去我们用AI，本质上还是人在干活。

你提问，它回答，你看结果，你让它继续，它卡住，你再推一把。

AI干了很多，但那个从头到尾不能离开的人，还是你。

现在，这个关系开始变了。

**以前是AI在我的工作流里，以后，可能是我只需要出现在AI工作流最关键的几个地方。**

那接下来真正的问题就来了。

如果查资料可以交出去，代码可以交出去，测试可以交出去，连“继续干，直到满足条件”都可以交出去。

**那人到底还应该抓住什么？**

我想了半天，可能就两件事。

**决定做什么，以及决定什么叫做好。**前一个是方向。后一个是标准。

中间那些越来越长、越来越累、越来越消耗时间的执行过程，反而可能是最先被AI接过去的部分。

这让我突然觉得，未来真正拉开人与人差距的，可能不是谁干活更快，甚至不是谁更会用AI。

而是当执行越来越便宜以后，**你有没有值得执行的目标。你有没有能力定义一个足够好的结果。**

**AI越能自己干活，人越不能外包的，是判断。**

以前我们怕AI把人的工作拿走。现在我开始觉得，它可能先拿走的，是那些让人没空思考的工作。然后把一个更难的问题，重新扔回给你：

**活我可以替你干。**

**但你到底想干成什么？**


今天，GLM5.3上线了，最值得关注的就一条，在内部自建体感评测中较GLM-5.2提升50%，在包括Terminal Bench 3.0、Agents' Last Exam (CLI)在内的公开基准测试中取得开源第一。

ZCode大更新！GLM最佳Harness隆重登场！

人工智能

开发工具

新闻资讯

GLM5.3上线，ZCode用户破百万并重置额度。缓存命中率98.10%提升Token利用率30%，闲时任务免积分，Goal与Subagents实现自主长任务闭环。对比ClaudeCode整体通过率提升2.39%，专注收尾能力，让AI从执行工具转向目标驱动。

代码解释

智能体

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

ZCode大更新！GLM最佳Harness隆重登场！-腾讯云开发者社区-腾讯云

ZCode大更新！GLM最佳Harness隆重登场！

ZCode大更新！GLM最佳Harness隆重登场！

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐