国产 AI 编程工具,开始正面刚 Cursor

智谱开源了 ZCode：一个不写代码编辑器、只做「指挥台」的 AI 编程工作台。月费 18 美元起，还能把同样的订阅接到 Claude Code 里用。

先说结论

ZCode 是一款「没有代码编辑器」的编程工具——它把整个产品做成一个任务指挥台，你描述目标，它去规划、改文件、跑命令、开浏览器验证，最后把结果拿给你审。

它背后是智谱（Z.ai / 原 Zhipu AI）的 GLM-5.3 模型，一套月费 18 美元的编程订阅，能同时用在 ZCode、Claude Code、Cline、OpenCode 等 20 多个工具上。对国内开发者来说，最有价值的一点其实不是「能不能替代 Cursor」，而是：它把国产模型的编程能力，第一次做成了一个完整、可评审、能自动化的产品形态——而不是一个只能聊天的对话框。

它到底是什么

先把名字理清楚。Z.ai 是智谱的海外品牌，GLM 系列模型出自清华系的研究团队。和 OpenAI、Anthropic 不同，智谱既卖 API，也在 Hugging Face 上放模型权重——GLM-5.3 的权重在 2026 年 8 月 28 日就开源了。

ZCode 官方给它的定义是 ADE（Agentic Development Environment，智能体开发环境）。这个命名很关键：它刻意不是一个 VS Code 的分叉，主界面里没有传统意义上的代码编辑器。

打开之后你看到的是一件事：左侧是项目和任务列表，中间是一个输入框。你用 @ 引用上下文、用 / 调命令，任务会把你的目标、改动的文件、终端输出、浏览器上下文和 Git 状态打包在一起。

它支持 macOS、Windows、Linux（beta）。免费下载，钱花在下面的 GLM 编程套餐上。

核心机制：为什么「没有编辑器」是设计而不是缺陷

理解 ZCode，得先看它的工作流：

任务 → 规划 → 改文件 / 跑命令 / 开浏览器 → 验证结果 → 交给你审

官方文档里反复强调一个词：验证（verify）。模型要能自己检查结果对不对。

这背后是 GLM-5.3 的训练方式决定的。据 Flavio Copes 的深度评测，智谱这次没有重跑预训练——GLM-5.3 用的还是 GLM-5.2 的底座，提升全部来自在更长的工程任务上做后训练：

模型收到一个目标、一些工具，以及一个它自己能验证的结果。它写代码、运行代码，然后从「任务是否通过」里学习。有些环境代表好几天的工程工作量——一个任务可能要求模型找到瓶颈、修复它、跑实验、并证明改进。但手工造足够多真实环境太慢了，智谱用研究智能体去收集工作模式、把它们变成可运行的任务，另一个智能体负责检查每个任务确实可解。关键的细节是：验证器看不到参考答案——这逼着模型不能靠「抄出题人想要的样子」过关。

这就解释了为什么 ZCode 敢把编辑器拿掉。它不是「编辑器 + AI 侧边栏」，而是假设代码由 agent 写，人负责审。如果你现在的工作方式是「自己敲、AI 补全」，ZCode 的定位可能反直觉；但如果你已经习惯了「给目标、看 diff」，这个界面反而更干净。

权限模式：一个容易被忽略的设计

ZCode 提供了四种权限模式，官方推荐新用户从第一种开始：

Flavio 的建议很实用：先停在「Ask before changes」。你会多点几次确认，但你能看清 agent 想干什么。等到你信任它在某个项目上的判断，再切到「Edit automatically」。大改动一律走 Plan mode——读一份计划只要一分钟，但从一个大 diff 里找出那个错误假设要久得多。

这里有个真实体验的细节：第一次跑真实任务时，agent 在要执行 shell 命令前停了下来，给出三个选项——允许这一次、允许这个项目里的这类命令、拒绝。这种「逐步授权」的粒度，比一次性批准所有操作要安全得多。

真实场景怎么用

安装与连接

从 zcode.z.ai 下载安装包（Apple Silicon 是 .dmg），拖进「应用程序」即可。首次启动会让你连接账户，三个选择：Z.ai（国际服务）、BigModel（中国内地服务）、或自己的 API key。国内用户选 BigModel。

新用户有 5 天试用。之后需要 GLM 编程套餐：

• • Lite：18 美元/月
• • Pro：80 美元/月，用量 6 倍
• • Max：168 美元/月，用量 14 倍

用量按「点数」计，非高峰时段和周末只要一半点数。这个设计对个人开发者挺友好——周末跑自动化的成本直接砍半。

两个真正有区分度的功能

第一是 Goals（目标模式）。 普通任务是对话，而 Goal 会一直朝一个结果推进：ZCode 在规划、执行、验证之间循环，边做边更新计划，而不是拿到第一个答案就停。这正是 GLM-5.3 长任务训练该发挥作用的地方，但官方也给了个清醒的边界——这个目标必须是你自己能验证的。「让测试套件通过」可以，「把 app 做得更好」不行。

第二是手机接管。 ZCode 有 Remote 和 Bot Channel 两种方式：扫码后手机镜像桌面应用，或者把 ZCode 接到微信、飞书、Telegram。你可以在聊天里查看任务、启动新任务、换项目、切模型。代码始终留在你的电脑上，手机只是遥控器。

这个想法的价值在于解决了长任务最烦的失败模式：agent 跑到一半停下来问你一个问题，然后卡住两小时——等你回来看才发现它一直在等你回话。Flavio 说他会「宁愿从手机上回一句，也不想两小时后发现任务卡住了」，这话很实在。

顺手还能接进 Claude Code

ZCode 不用你「二选一」。同一份 GLM 编程套餐，官方文档支持接到 20 多个工具里。配置 Claude Code 最快的办法是官方助手：

npx @z_ai/coding-helper

也可以直接改 ~/.claude/settings.json：

{  "env": {    "ANTHROPIC_AUTH_TOKEN": "your-coding-plan-api-key",    "ANTHROPIC_BASE_URL": "https://api.z.ai/api/anthropic",    "ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-5.3",    "ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-5.3",    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-5.3-flash",    "CLAUDE_CODE_AUTO_COMPACT_WINDOW": "1000000",    "API_TIMEOUT_MS": "3000000"  }}

这段配置在做四件事，每一件都有它的代价考量：

1. 1. 三个模型变量把 Claude Code 的路由整体指向 GLM——Opus/Sonnet 走 GLM-5.3，Haiku 这种廉价快模型走 GLM-5.3-Flash。
2. 2. CLAUDE_CODE_AUTO_COMPACT_WINDOW 设成 100 万，让 Claude Code 在总结上下文之前尽量用满 GLM 的 1M token 窗口。这是把模型的强项（长上下文）真正用起来。
3. 3. 超时设到 300 万毫秒（50 分钟），是为了不让高推理强度的请求提前中断——这是长任务场景的必要妥协。
4. 4. 端点是固定的 api.z.ai/api/anthropic。官方特别提醒：base URL 写错会出现 1113 Insufficient Balance，哪怕你的订阅是有效的。这类错误最容易被误判成「套餐没生效」。

装完跑 claude，进去 /status 确认 base URL 和模型是否正确。

和同类方案比有什么不同

先说结论：ZCode 现在更像「第二意见」，而不是主工具的替代品。 这个判断来自 Flavio 的实际使用，我觉得比任何跑分都可信。

vs Claude Code：Claude Code 跑在终端里，ecosystem 更成熟，支持自定义 subagent——而 ZCode 目前不支持。这是 Flavio 明确点名的一个缺失：他用专门的 subagent 把大工作拆成并行任务，ZCode 还做不到。不过两者可以共用一个订阅，所以不必二选一。

vs Cursor 类工具：Cursor 是「编辑器 + AI」，ZCode 干脆不要编辑器。它适合「让 agent 写、我来审」的人。

vs agent 管理器：那些工具跨项目管理多个 agent，ZCode 能跑并行任务、Goals 和自动化，但只管它自己这个 agent。

能力层面，GLM-5.3 的公开跑分值得看一眼（Flavio 汇总，他本人也提醒「单一厂商的跑分我不太信」）：

Terminal Bench 3.0 从 4.6 跳到 28.3 是很夸张的跃升，说明「在终端里用工具」这件事被专门加强了。GLM-5.3 在 Code Bench 上高强度档得 31.4%，约 5 万输出 token；Claude Opus 4.8 是 29.5%，但要花约 12 万 token。最高强度档 GLM-5.3 到 34.5%，Claude Fable 5 仍以 39.5% 领先——它不是最强的，但用更少的 token 拿到接近的分数，成本低得多。

三个你必须知道的边界

第一，隐私是真实的取舍。 用 GLM 编程套餐时，你的 prompt 和相关代码会发到智谱的服务器。智谱是中国公司，如果你的公司对专有代码或客户数据出境有规定，这一条可能直接否决它。GLM-5.3 的权重是开源的，理论上可以自己部署，但实际操作上需要多 GPU 服务器——Flavio 的原话是「yes, but not on a normal laptop」。对需要完全控制数据、又有基础设施的团队，自托管才成立。

第二，开源≠MIT 了。 GLM-5.2 是 MIT 许可，GLM-5.3 换成了自定义许可。你仍然可以用、改、分发、卖、部署、微调，但多了一个条件：年收入超过 100 亿美元的模型托管公司，需要经过智谱的安全审查。对绝大多数开发者无影响，但「开放权重」不再等于「MIT 授权」——如果你要拿它做产品，先读许可。

第三，它很年轻。 版本迭代很快，粗糙边缘可以预期。Flavio 直接说了：「在检查完那个项目的数据规则之前，我不会拿它做客户项目；在应用这么新的时候，我也不会把一个关键工作流搬过去。」

总结

ZCode 真正有意思的地方，不是「国产替代」这个叙事，而是它把一个判断做成了产品：未来的编程工具，重心从「编辑器」移到「任务指挥台」。它用 GLM-5.3 的长任务后训练去撑 Goals、自动化、手机接管这些形态，再配一个能接到 20 多个工具的订阅，把「用哪个模型」和「用哪个客户端」解耦了。

诚实的建议是：把它当作一个 18 美元/月的第二意见——换一个模型，有时能找到你惯用工具错过的路径。自动化那一类（扫最近的改动找安全问题、查坏链接、周五总结）也值得试，因为 GLM-5.3 在漏洞发现上确实被专门训练过，CyberGym 84.5% 这个数字不是白来的。

但别急着迁移关键工作流。先读许可，先确认数据规则，先在非核心项目上跑一阵子。