GLM 5.3 в Claude Code: скрипт для сравнения обсуждений на Zhihu и Weibo

Если вы следите за ИИ-инструментами в Китае, две площадки расскажут вам большую часть того, что думают разработчики. Zhihu — сайт вопросов и ответов, где пишут длинные ответы и приводят расчёты. Weibo — микроблог, где реагируют парой слов. Если читать их вместе, видно и настроение, и его причины.

В этой статье мы проверяем одну схему для такой задачи. Мы подключаем Claude Code к GLM-5.3 или GLM-5.3-Flash от Zhipu. Затем GLM пишет скрипт topic_pulse.py, который через EveryInfra собирает ответы на Zhihu и комментарии в Weibo по одной теме. В конце GLM читает результат и пишет короткое сравнение.

Наша тема — «повышение цен на Coding Plan». 2026-07-30 Zhipu перевела Coding Plan на систему кредитов, и разработчики на обеих площадках до сих пор об этом спорят. Поэтому тема хорошо подходит для теста: она узкая, техническая и близка к инструменту, которым мы пользуемся.

Сразу о том, что проверено, а что нет. На тестовой машине у нас нет аккаунта Zhipu. Поэтому каждый шаг, где Claude Code работает на GLM, — это пример конфигурации по документации Z.ai и BigModel, которую мы прочитали 2026-11-04. Мы не запускали GLM внутри Claude Code. Данные при этом настоящие.

С 00:16 до 02:08 SGT 2026-11-04 мы отправили в API EveryInfra 52 запроса. Из них 34 вернули данные, и за них списали в общей сложности $0,020404. Остальные 18 завершились ошибкой или вернули пустой результат, и ни за один из них плата не списывалась. Один из 52 запросов прошёл через метод MCP tools/call.

Мы трижды запускали скрипт целиком. Во время второго запуска он также считывал полные тексты ответов: было сделано 12 запросов на сумму $0,00581. Третий запуск выполнялся с финальной версией скрипта: 7 запросов, все успешные, на общую сумму $0,004142.

1. Что даёт связка GLM 5.3 и Claude Code в этой задаче

Задача делится на две части: API собирает данные, а GLM их читает. Для первой части нужны структурированные записи, по одной на каждый ответ или комментарий. В каждой записи есть число лайков, дата и вопрос или пост, к которому она относится. Посчитать и отсортировать такие записи скрипт может вообще без модели.

Вторая часть — чтение данных. Нужно определить, какие комментарии состоят только из эмодзи, какие повторяются, в каких жалуются на цену, а в каких подсчитывают квоту. Для этого нужна модель.

Claude Code соединяет эти две части. Вы описываете задачу одним предложением. Модель пишет скрипт, запускает его, читает результат и отчитывается. Мы выбрали GLM-5.3, потому что у Zhipu есть руководство для Claude Code, а цены за токен опубликованы (ссылки на каждую страницу — в разделах 2–4). Для читателей за пределами Китая сайт Z.ai предлагает те же модели по ценам в долларах США.

В таблице ниже перечислены все возможности, к которым мы обращались, и полученные результаты. «Записи» — это число записей в каждом ответе. Указана цена одного запроса по каталогу EveryInfra. За запросы, завершившиеся ошибкой или вернувшие пустой результат, плата не списывается.

В итоговом скрипте используются только первые четыре строки таблицы. Работа с Zhihu начинается с zhihu/search: этот эндпоинт сразу возвращает заголовок вопроса, ссылку на ответ, фрагмент текста и число лайков. Затем zhihu/content_comments получает комментарии к наиболее популярным ответам. Если нужен полный текст одного ответа, добавьте один вызов zhihu/content_detail. Строк про GLM в таблице нет, поскольку эту часть мы не запускали.

2. Коротко о GLM-5.3 и GLM-5.3-Flash

GLM-5.3 — флагманская текстовая модель Zhipu. Она стала доступна на платформе BigModel 2026-08-19. На странице модели сказано, что она принимает только текст, имеет контекстное окно 1M токенов и выдаёт до 128K выходных токенов (страница модели GLM-5.3). Режим размышлений включён всегда. Можно выбрать low, high или max, по умолчанию стоит max. Отключить размышления нельзя.

GLM-5.3-Flash вышла 2026-08-26. Это мультимодальная модель, сочетающая линейное и разреженное внимание (заметки о релизах BigModel). Всего у неё 320 млрд параметров, из которых 18 млрд активны. По словам Zhipu, ей требуется гораздо меньше вычислительных ресурсов и KV-кэша, чем GLM-5.3.

Рекомендуемые настройки: temperature 1, top_p 0.95 и reasoning_effort со значением max (страница модели GLM-5.3-Flash). Для скрипта сбора данных главное различие — стоимость. Согласно расчёту в разделе 11, та же сессия на Flash обходится примерно в девять раз дешевле, чем на GLM-5.3.

Цены Z.ai взяты со страницы с тарифами Z.ai. Цены в CNY взяты со страницы с тарифами BigModel. Там же сказано, что хранение кэша временно бесплатно. Ещё там указано, что один токен соответствует примерно 1,6 китайского иероглифа.

Это соотношение мы используем во всех приведённых ниже оценках числа токенов. По центральному паритетному курсу на 2026-11-03 — 6,7150 CNY за USD — 8 CNY составляют примерно $1,19 (страница курсов SAFE). Таким образом, цены на двух сайтах сопоставимы.

У двух сайтов разные базовые URL. На Z.ai Claude Code обращается к https://api.z.ai/api/anthropic (руководство Z.ai по Claude Code). На BigModel Anthropic-совместимый URL — https://open.bigmodel.cn/api/anthropic. BigModel также указывает https://open.bigmodel.cn/api/v1 для Codex и https://open.bigmodel.cn/api/coding/paas/v4 для других OpenAI-совместимых инструментов для программирования. Обычный API с оплатой по мере использования доступен по адресу https://open.bigmodel.cn/api/paas/v4. Не путайте их. Квоту плана расходуют только URL для программирования.

Мы также нашли расхождение между двумя страницами Zhipu. В руководстве по Claude Code на BigModel до сих пор указаны glm-5.2[1m] для основной модели и glm-4.7 для малой. В более новом руководстве по переключению моделей во всех трёх слотах стоит glm-5.3-flash[1m]. Там также указано, что приведённая конфигурация проверена в Claude Code 2.1.140.

Обзор Coding Plan объясняет, почему старый пример всё ещё работает. Вызовы GLM-5.2 или GLM-5.1 перенаправляются на GLM-5.3. Вызовы GLM-5-Turbo или GLM-4.7 перенаправляются на GLM-5.3-Flash. Старая конфигурация работает, но модель у вас не та, которую вы ожидаете.

Уровни интенсивности рассуждений на этих двух страницах тоже сопоставлены по-разному. Ориентируйтесь на более новую страницу: по умолчанию используется max, а в Claude Code можно ввести /effort и выбрать high, чтобы каждый ход был короче и дешевле.

3. Тарифы Coding Plan, кредиты и часы пик

Coding Plan — ежемесячная подписка для инструментов программирования. С 2026-07-30 использование учитывается в кредитах. В документации Z.ai сказано, что тарифы доступны «всего от 18 USD в месяц» (обзор Coding Plan на Z.ai). Страница с тарифами Z.ai не отобразилась в нашем headless-браузере, поэтому мы не можем привести цену каждого тарифа в USD.

На китайском сайте страница GLM Coding Plan 2026-11-04 показывала такие месячные цены: Lite — CNY 118, Pro — CNY 538, Max — CNY 1078. По курсу 6,7150 CNY за USD это примерно $17,57, $80,12 и $160,54. При оплате за квартал скидка составляет 20%, за год — 30%.

У каждого тарифа два лимита: один на каждые 5 часов, другой на неделю. Lite даёт 2 000 кредитов на 5 часов и 10 000 в неделю, Pro — 12 000 и 60 000, Max — 28 000 и 140 000.

5-часовое окно обновляется через 5 часов после каждого использования. Недельное окно длится 7 дней с даты заказа. Когда кредиты заканчиваются, остаётся ждать. План не списывает средства с баланса.

Формула расчёта кредитов опубликована. Кредиты за модель равны сумме трёх слагаемых: входные токены, умноженные на входной коэффициент, кэшированные токены, умноженные на коэффициент кэша, и выходные токены, умноженные на выходной коэффициент. Затем сумма делится на 10 000. Каждый вызов MCP для веб-поиска, чтения веб-страниц или чтения репозитория стоит 1,2 кредита.

Вне часов пик вызовы модели стоят вдвое дешевле. По документации Z.ai, часы пик — с 14:00 до 18:00 SGT с понедельника по пятницу. В документации BigModel указаны те же часы по UTC+8. Если вы работаете из Сингапура, избегайте длительных сессий во второй половине дня.

В последнем столбце используется сессия из примера в разделе 11. Она стоит около 207,8 кредита на GLM-5.3 и 68,7 кредита на Flash. Вне часов пик число сессий удваивается. Считайте эти цифры оценкой порядка величины, а не обещанием.

При создании скрипта для сбора данных важны три правила. Первое: план работает только в поддерживаемых инструментах. Вызовы API вне этих инструментов не расходуют квоту плана. В политике использования Z.ai это сказано в пяти словах: «Use limited to supported tools» (политика использования Z.ai).

В FAQ BigModel уточняется, что для собственных приложений, сайтов, ботов и SaaS-продуктов нужен стандартный API (FAQ по Coding Plan). Второе: с 2026-10-16 стандартные API-ключи и ключи плана разделены. Стандартный ключ в инструменте для программирования квоту плана не расходует (уведомление об API-ключах). Третье: возврат средств за планы не предусмотрен, а делиться аккаунтом нельзя (правила использования).

Первое правило определяет всю архитектуру. Напрашивается идея: пусть topic_pulse.py сам вызывает GLM для разметки комментариев. Тогда скрипт мог бы работать по таймеру без участия человека. Но по правилам плана такие вызовы GLM не расходовали бы его квоту. Их пришлось бы оплачивать по стандартным тарифам API.

Поэтому наш скрипт делает только две вещи: собирает данные и считает простую статистику, для которой модель не нужна. Результаты читает и обобщает Claude Code, где действует план. Кроме того, скрипт запускается на любой машине, даже без доступа к модели.

4. Как использовать GLM 5.3 в Claude Code: пример конфигурации

Ниже пример ~/.claude/settings.json для Z.ai. Он составлен по руководству Z.ai по Claude Code и справочнику переменных окружения Claude Code. Мы его не запускали, потому что у нас нет аккаунта Z.ai. Вместо ключей указаны заглушки.

{
  "env": {
    "ANTHROPIC_AUTH_TOKEN": "your-zai-coding-plan-key",
    "ANTHROPIC_BASE_URL": "https://api.z.ai/api/anthropic",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-5.3[1m]",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-5.3[1m]",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-5.3-flash[1m]",
    "CLAUDE_CODE_AUTO_COMPACT_WINDOW": "1000000",
    "API_TIMEOUT_MS": "3000000",
    "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": "1",
    "EVERYINFRA_API_KEY": "your-everyinfra-key"
  }
}

Claude Code отправляет ANTHROPIC_AUTH_TOKEN как Bearer-токен в заголовке Authorization (переменные окружения Claude Code). Укажите здесь ключ Coding Plan, а не стандартный API-ключ. Три значения ANTHROPIC_DEFAULT_*_MODEL задают реальные модели для псевдонимов opus, sonnet и haiku. В Z.ai псевдонимам opus и sonnet соответствует GLM-5.3, а haiku — Flash. На более новой странице BigModel Flash указана для всех трёх псевдонимов. Мы используем схему Z.ai, потому что для написания скрипта нужна более мощная модель. Для фоновых задач можно использовать Flash, чтобы экономить кредиты.

Не убирайте суффикс [1m]. Claude Code не знает идентификатор glm-5.3. Согласно документации по настройке моделей, для неизвестного ID он предполагает контекстное окно на 200 тыс. токенов и показывает предупреждение при запуске (настройка моделей в Claude Code). С суффиксом [1m] в ID он предполагает контекстное окно на 1 млн токенов, что соответствует GLM-5.3. Без суффикса Claude Code начинает сжимать диалог слишком рано. Особенно хорошо это заметно, когда модель читает большие объёмы результатов.

CLAUDE_CODE_AUTO_COMPACT_WINDOW задаёт степень заполнения контекста, при которой начинается сжатие. Допустимые значения — от 100 000 до 1 000 000. Значение API_TIMEOUT_MS, равное 3 000 000 миллисекунд, рекомендует Zhipu, поскольку при максимальной интенсивности рассуждений GLM может думать долго. CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC отключает телеметрию и другие необязательные запросы.

Последняя строка с EVERYINFRA_API_KEY предназначена для скрипта. Эта переменная доступна дочерним процессам, которые запускает Claude Code, поэтому скрипт читает её из os.environ. Сам ключ в код не попадает.

Один факт стоит назвать прямо. В документации по шлюзам Claude Code сказано, что подойдёт любой шлюз с поддерживаемым форматом API. Там же сказано, что Anthropic «не поддерживает перенаправление Claude Code на модели, отличные от Claude, через какие-либо шлюзы» (LLM-шлюзы в Claude Code). Поэтому Claude Code работает с GLM благодаря тому, что компания Zhipu создала совместимый эндпоинт.

Если что-то сломалось, сверьтесь с документацией Zhipu или обратитесь в её поддержку. По состоянию на 2026-11-04 последней версией Claude Code была 2.1.317, выпущенная 2026-11-03 (история изменений Claude Code). Страница Zhipu проверена на версии 2.1.140. Между этими версиями много релизов, поэтому при странной ошибке проверьте обе истории изменений.

Если вам удобнее пошаговая настройка, у Zhipu есть интерактивный инструмент npx @z_ai/coding-helper (пакет npm). После настройки откройте новый терминал и запустите claude. Затем введите /status. Источник настроек должен указывать на ваш ~/.claude/settings.json. В строке модели должно быть glm-5.3 или glm-5.3[1m].

5. Два набора MCP-инструментов: сравнение

MCP (Model Context Protocol) — открытый протокол, который позволяет модели вызывать внешние инструменты (спецификация MCP). В Coding Plan есть собственные MCP-инструменты. По состоянию на 2026-11-04 в документации были перечислены веб-поиск (webSearchPrime), чтение веб-страниц (webReader), инструмент для чтения репозиториев zread и сервер компьютерного зрения. У сервера zread три инструмента: search_doc, get_repo_structure и read_file. Сервер компьютерного зрения работает локально как npm-пакет @z_ai/mcp-server. Его последняя версия, 0.1.6, вышла 2026-10-29 (пакет npm).

На страницах о веб-поиске и чтении веб-страниц есть одно и то же предложение: при использовании Coding Plan в Claude Code оба инструмента встроены в сервис модели (MCP для веб-поиска, MCP для чтения веб-страниц). Устанавливать их не нужно. Добавлять их вручную стоит, только если они нужны вам с другой моделью.

В документации также описано, что возвращает каждый инструмент. Веб-поиск возвращает заголовок страницы, URL, краткое описание, название сайта и его иконку. Инструмент чтения веб-страниц загружает один URL и возвращает заголовок, основной текст, метаданные и список ссылок. Такие возможности хорошо подходят для работы с кодом: можно найти информацию о библиотеке, прочитать обсуждение ошибки или открыть README.

Скрипту для анализа тональности нужны данные другой структуры: одна запись на каждый ответ или комментарий, с числом лайков и ответов, датой и вопросом или постом, к которому она относится. С такими записями скрипт может сортировать их, отсеивать шум и считать медианы. В таблице ниже сравниваются поля, которые возвращают инструменты каждого типа. Столбец встроенных инструментов составлен только по документации Zhipu, потому что у нас нет аккаунта Zhipu. Столбец EveryInfra показывает поля, которые вернули наши реальные вызовы 2026-11-04.

У обоих сайтов есть и собственные платформы для разработчиков. Они подойдут, если вам нужны данные только вашего аккаунта или вы интегрируетесь через авторизацию самой платформы. Поиск на платформе данных Zhihu использует Bearer-токен и заголовок с временной меткой. Максимальное значение Count равно 10, ContentText содержит только фрагмент, а HasMore всегда равен false («Zhihu developer docs: search»). Skill списка трендов принимает limit от 1 до 30 («Zhihu developer docs: hot list»).

В Weibo эндпоинт comments/show возвращает комментарии авторизованного пользователя («Weibo API: comments/show»). Эндпоинт search/topics относится к расширенным API и возвращает последние 200 записей («Weibo API: search/topics»).

Таким образом, два набора MCP-инструментов выполняют разные части работы. Встроенные инструменты Zhipu работают с документацией, новостями и общедоступными страницами, а каждый их вызов стоит 1,2 кредита. MCP-сервер или API EveryInfra предоставляет структурированные данные самих платформ по цене в долларах США за запрос. Оба набора можно держать подключёнными в одной сессии Claude Code, а модель выбирает инструмент по его описанию. Ниже показано, как подключить удалённый MCP-сервер EveryInfra. Мы выполнили на нём initialize и tools/list, и он вернул список из 12 инструментов.

claude mcp add --transport http everyinfra https://api.everyinfra.com/mcp \
  --header "Authorization: Bearer $EVERYINFRA_API_KEY"

# Check the connection: the list must show everyinfra and its tools
claude mcp list

Скрипту для анализа темы нужны только два из 12 инструментов. everyinfra_list_capabilities выводит список платформ, возможностей и параметров. everyinfra_call_api выполняет вызов выбранной возможности. В 00:23 SGT мы вызвали weibo/search через MCP tools/call с ключевым словом «Zhipu Coding Plan» на китайском. Вызов вернул 20 постов и стоил $0,000806, столько же, сколько прямой вызов. Текстовый результат занял 15 103 символа.

Этот размер важен. Claude Code предупреждает, когда один результат MCP превышает 10 000 токенов, а лимит по умолчанию составляет 25 000 токенов. Лимит можно изменить через MAX_MCP_OUTPUT_TOKENS. Текстовые результаты длиннее 50 000 символов сохраняются в файл, а не попадают в контекст (документация Claude Code по MCP).

Двадцать постов помещаются без труда. Но если модель будет получать 50 комментариев и 20 ответов через MCP по одному вызову за раз, контекст быстро заполнится. Поэтому мы поручили GLM написать скрипт. Скрипт сводит десятки вызовов в один небольшой JSON-файл, и модель читает только его.

Ещё одна деталь касается шлюзов. В Claude Code поиск инструментов включён по умолчанию, поэтому MCP-инструменты загружаются по требованию. В запросах тогда появляются поля defer_loading и блоки tool_reference. При работе через ANTHROPIC_BASE_URL Claude Code ожидает, что шлюз передаст их без изменений.

Начиная с версии 2.1.305, если шлюз отвечает 400 или 422, Claude Code делает одну повторную попытку без поиска инструментов и загружает все MCP-инструменты сразу. Мы не смогли проверить, принимает ли эндпоинт Zhipu эти поля. Если в начале сессии с большим числом MCP-серверов контекст уже выглядит заполненным, причина может быть в этом.

6. Как проходит одно сравнение

Вся задача выполняется по линейной схеме. Первый шаг: вы даёте Claude Code одно предложение. Например: «Напишите скрипт, который сравнивает, как на Zhihu и Weibo обсуждают повышение цены Coding Plan, а потом расскажите, в чём разница». Второй шаг: GLM читает запрос. Он вызывает everyinfra_list_capabilities или читает документацию API, чтобы узнать параметры, а затем пишет topic_pulse.py.

Третий шаг: Claude Code запускает скрипт. Скрипт по очереди вызывает поиск по Weibo, комментарии Weibo, поиск по Zhihu и комментарии Zhihu. Результаты и стоимость каждого вызова он записывает в один JSON-файл. Четвёртый шаг: GLM читает этот файл и пишет сводку.

В этой строке выделяются два числа. Первое из них показывает сжатие. Во втором запуске сырой JSON от API занимал 50 859 символов, или около 14 543 токенов. Скрипт оставил только текстовые поля, и от них осталось 4 315 символов, или около 2 207 токенов. Это на 85% меньше входных данных. GLM перечитывает контекст на каждом ходе, поэтому за одну сессию эта экономия повторяется многократно.

Второе число показывает время. Второй запуск длился с 00:33:55 до 00:37:01 SGT, чуть больше 3 минут. Большая часть этого времени ушла на предусмотренные паузы. Скрипт выдерживает паузы между вызовами, чтобы не превышать 10 запросов в минуту. Кроме того, после одного ответа HTTP 429 скрипт сделал дополнительную паузу.

7. Скрипт, который должен написать GLM

Вот промпт, который мы дали бы Claude Code. Его можно использовать без изменений.

Напишите скрипт на Python topic_pulse.py, используя только стандартную библиотеку. Скрипт принимает одно ключевое слово темы. Он вызывает API EveryInfra по адресу POST https://api.everyinfra.com/api/v1/social с ключом из переменной окружения EVERYINFRA_API_KEY. Он ищет 20 постов Weibo через weibo/search. Он оставляет посты, у которых не меньше 3 комментариев и в которых есть заданное слово, и для каждого такого поста читает 50 комментариев через weibo/comments.

Скрипт ищет 20 ответов Zhihu через zhihu/search и группирует их по вопросам. Он оставляет вопросы, заголовок которых соответствует заданному шаблону. Для 3 лучших вопросов он читает 50 комментариев под ответом с наибольшим числом лайков через zhihu/content_comments.

Между вызовами скрипт ждёт 6,5 секунды. При ответе 429 или 503 он ждёт retry_after и повторяет попытку. Когда recent_failures достигает 3, он перестаёт вызывать эту возможность. Он отбрасывает комментарии только из эмодзи, повторы, очень короткие комментарии и комментарии ботов. Он записывает в один JSON-файл количественные показатели, медианные значения длины, 5 лучших комментариев и сведения о каждом вызове, включая его HTTP-статус и charged_usd.

У каждой строки есть причина. Требование использовать только стандартную библиотеку означает, что скрипт запускается где угодно без установки зависимостей. Пауза в 6,5 секунды удерживает скрипт в пределах лимита по умолчанию в 10 запросов в минуту.

Правила повторных попыток и правило recent_failures появились после первого запуска, который занял больше 7 минут. Фильтр по заголовку появился после второго запуска. Все эти изменения разобраны в разделе 9. Правило отсева ботов нужно потому, что в Weibo есть автоматический поисковый помощник, который отвечает внутри веток комментариев. Его длинные ответы искажали бы статистику.

Ниже приведена основная часть третьей версии. Мы написали её по промпту выше и запустили. Полный файл занимает около 120 строк, а во фрагменте показана только логика вызовов, повторных попыток и работы с Zhihu.

API = "https://api.everyinfra.com/api/v1/social"
KEY = os.environ["EVERYINFRA_API_KEY"]
GAP = 6.5            # seconds between calls: stay under 10 requests per minute
DOWN = set()         # capabilities that failed 3 times in 10 minutes

def call(platform, action, params, tries=3):
    if f"{platform}/{action}" in DOWN:
        return None
    body = json.dumps({"platform": platform, "action": action, "params": params}).encode()
    for attempt in range(tries):
        req = urllib.request.Request(API, data=body, method="POST", headers={
            "Authorization": f"Bearer {KEY}", "Content-Type": "application/json"})
        try:
            with urllib.request.urlopen(req, timeout=120) as r:
                code, d = r.status, json.load(r)
        except urllib.error.HTTPError as e:
            code, d = e.code, json.loads(e.read() or b"{}")
        log(platform, action, code, d)       # rows and billing.charged_usd
        time.sleep(GAP)
        err = d.get("error") or {}
        if code == 200:
            return d
        if (err.get("recent_failures") or 0) >= 3:   # the error says: stop retrying
            DOWN.add(f"{platform}/{action}")
            return None
        if code in (429, 503) and err.get("retryable") and attempt < tries - 1:
            time.sleep(min(err.get("retry_after", 30), 60))
            continue
        return None

# Zhihu: search, group by question, keep matching titles, read comments of the top answer
for q in top_questions:
    answers += by_q[q]                   # search rows: question title, link, excerpt, likes
    best = max(by_q[q], key=lambda x: x.get("like_count") or 0)
    zcomments += rows(call("zhihu", "content_comments", {"url": best["url"], "limit": 50}))

Главное здесь то, как скрипт читает ошибки. Ошибка EveryInfra представляет собой JSON-объект с полями, а не просто сообщение. fault указывает, на чьей стороне проблема. retryable и retry_after сообщают, стоит ли повторять запрос и сколько ждать. recent_failures показывает, сколько раз эта возможность недавно завершалась ошибкой.

next_steps простым языком сообщает вызывающей стороне, что делать дальше. example содержит запрос, который заведомо работает. Скрипт, который читает эти поля, принимает решения лучше, чем скрипт, который ориентируется только на HTTP-коды. GLM в Claude Code может читать те же поля и менять план без цикла повторных попыток. Во втором запуске один ответ HTTP 429 пришёл в 00:35:34 SGT. Скрипт выждал столько, сколько было указано в ответе, и повторная попытка через 33 секунды прошла успешно без списания.

Правила отсева шума простые. Сначала скрипт убирает из каждого комментария префикс «ответ такому-то». Комментарий длиной 4 символа или меньше считается коротким. Комментарий, в котором есть только теги эмодзи, пробелы, цифры, «да» или смех, считается эмодзи или повтором. Комментарий от автора, в имени которого есть тег поискового помощника Weibo, считается комментарием бота.

Эти правила мы написали после того, как изучили первую реальную выборку, а не заранее. Они не идеальны. Например, двухсимвольный ответ со значением «верно» тоже отсеивается как короткий. Чтобы ответить на вопрос «сколько людей говорят что-то по существу», они работают достаточно хорошо.

8. Один реальный цикл запросов на обоих сайтах

До запуска скрипта мы вызвали каждую возможность вручную, чтобы проверить параметры и форму ответов. В таблице основные вызовы перечислены по порядку. Все значения времени указаны в часовом поясе SGT и относятся к 2026-11-04.

Weibo отработал хорошо. Каждый пост из weibo/search содержит id, url, text, posted_at и число комментариев, репостов и лайков. Найденные по нашему ключевому слову 20 постов датированы периодом с 2026-08-17 по 2026-10-26. Поиск по «GLM-5.3» в 00:21 SGT вернул более свежие посты, с 2026-10-30 по 2026-11-03. weibo/comments принимает числовой ID или ссылку с числовым ID.

В 00:22:20 SGT мы прочитали 11 комментариев под постом, где сравнивались четыре ценовые стратегии. Один читатель написал, что схема «себестоимость плюс наценка, затем пиковый и непиковый тарифы» понятнее единой фиксированной цены. Другой написал, что Kimi неплох, «но дорогой и медленный», поэтому продолжит пользоваться DeepSeek. Единственной ловушкой оказался формат ссылки.

Мы намеренно отправили буквенный короткий код. API вернул 200 с нулём записей и причиной empty_result_refunded и ничего не списал. Если брать поле id из результатов поиска, вы с этим не столкнётесь.

Поиск по Zhihu тоже сработал. Он вернул 20 ответов с заголовком вопроса, ссылкой на ответ, фрагментом, лайками, комментариями, сохранениями и датой. Этого хватает для двух шагов. Скрипт группирует ответы по ID вопроса в каждой ссылке. Затем он выбирает в каждой группе ответ с наибольшим числом лайков. zhihu/content_comments принимает ссылку на ответ и возвращает его комментарии верхнего уровня, каждый из которых содержит текст, лайки и ответы.

Ответ, который мы прочитали через zhihu/content_detail в 00:21:42 SGT, написал пользователь, продливший тариф Max. По его словам, накануне квартальная цена составляла 422 CNY в месяц, а на следующий день уже «восемьсот-девятьсот». У ответа было 47 лайков и 28 комментариев, и в 00:21:56 SGT мы прочитали 7 из этих комментариев. zhihu/content_detail нужен, только когда фрагмента недостаточно: на каждый ответ требуется один запрос.

9. Три запуска скрипта: уход от темы, лимиты запросов и фильтр по заголовку

В первом запуске использовалось ключевое слово «Zhipu Coding Plan» на китайском. Запуск длился с 00:24:58 до 00:32:37 SGT, то есть 7 минут 39 секунд. Скрипт отправил 15 запросов; за 6 из них списали в общей сложности $0,003586. Остальные 9 завершились ошибкой, и за них ничего не списали. Запуск шёл медленно, потому что эта версия ждала 60 секунд после каждой ошибки и не читала recent_failures.

Кроме того, ключевое слово увело поиск в сторону. В Weibo больше всего комментариев набрал пост о продажах в прямом эфире. Он не имел отношения к теме, но скрипт прочитал его комментарии.

Во втором запуске мы исправили три вещи. Добавили правило recent_failures. Добавили также --must "coding plan", чтобы пост в Weibo обязательно содержал эту фразу. Сменили ключевое слово на более узкое «повышение цены Coding Plan». Кроме того, эта версия читала полный текст ответов через zhihu/content_detail.

Запуск длился с 00:33:55 до 00:37:01 SGT, то есть 3 минуты 6 секунд. Скрипт отправил 12 запросов; за 10 из них списали в общей сложности $0,00581. Один из двух запросов без списания вернул код 429 в 00:35:34 SGT. Сравнительные цифры в разделе 10 опираются на этот запуск и ручные вызовы.

Второй запуск прошёл чище, но выявил изъян в выборе вопросов по лайкам. Из 20 ответов Zhihu у 8 в заголовках упоминались Zhipu или GLM. В одном вопросе спрашивали, почему тариф Zhipu в Китае дороже, чем за рубежом. В другом спрашивали, как люди относятся к «повышению цены Zhipu Coding Plan». Скрипт выбрал 3 вопроса с наибольшей суммой лайков.

В первом спрашивали, почему OpenAI приостановила действие тарифа Pro за $200 (523 лайка). Во втором спрашивали, где сейчас оформить выгодный тариф для программирования (378 лайков). Третий, с 235 лайками, был о том, что Alibaba Cloud перестала продлевать свой тариф Lite. Все три касаются цен на тарифы для программирования, но ни один не посвящён Zhipu.

Если вам нужно узнать, что люди думают о повышении цен у Zhipu, добавьте фильтр по заголовку, например требование, чтобы в заголовке упоминались Zhipu или GLM. Это хорошая задача для Claude Code. Вы читаете первую сводку и пишете: «Только вопросы про Zhipu». GLM меняет одну строку и снова запускает скрипт, что стоит меньше одного цента.

В Weibo та же проблема проявилась сильнее. Из 20 постов по запросу «повышение цены Coding Plan» только 7 содержат в тексте фразу «coding plan». Лишь у 2 из этих постов не менее 3 комментариев. В одном пользователь рассказывает, как отказался от другого тарифа и попробовал альтернативы.

В другом говорится, что GLM 5.3 значительно улучшилась, но и цена выросла слишком сильно. Под этими двумя постами было всего 5 комментариев. Среди остальных 13 постов есть репосты новостей, ежедневные дайджесты и игровые новости. Больше всего комментариев, 50, собрал тематический пост о ценах DeepSeek.

Получается, что узкие технические темы в Weibo обсуждают мало, а большинство мнений публикуют на Zhihu. Чтобы получить сопоставимую выборку, мы объединили 4 вручную отобранных набора комментариев из Weibo (73 комментария) с 5 комментариями из второго запуска. Получилось 78 комментариев Weibo. Для Zhihu мы объединили 71 комментарий из второго запуска и 7 из этапа ручных запросов — тоже 78. При равном количестве доли легко сравнивать.

В третьем запуске появился фильтр по заголовку; это итоговая версия скрипта для статьи. Мы убрали шаг с полным текстом и оставили четыре возможности. Добавили --zhihu-title с шаблоном для Zhipu, GLM и распространённого прозвища Zhipu. Запуск длился с 02:06:32 до 02:08:22 SGT 2026-11-04, то есть 1 минуту 50 секунд. Все 7 запросов вернули 200; за них списали в общей сложности $0,004142.

В Weibo скрипт прочитал те же 2 поста и 5 комментариев, что и во втором запуске. На Zhihu все 3 вопроса теперь касались Zhipu. В первом спрашивали, как люди относятся к состоявшемуся 2026-07-30 переходу на кредиты (лучший ответ: 47 лайков, 28 комментариев). Во втором спрашивали, где оформить подписку на тариф для программирования с GLM-5 и почему модель так популярна (36 лайков). В третьем спрашивали, почему Zhipu Coding Plan стоит так дорого (7 лайков).

Под этими тремя ответами скрипт прочитал 7, 11 и 3 комментария, всего 21. Правила отсева шума не удалили ни одного, медианная длина составила 26 символов. В самом популярном комментарии (19 лайков) спрашивали, зачем платить сразу за год, если никто не знает, какой ИИ будет лидировать через три месяца. В другом, с 4 лайками, говорилось, что международный тариф стоит «на 50% дороже, чем на внутреннем рынке».

10. Что говорят на Zhihu и в Weibo

В этом разделе показано, что должен написать GLM после чтения результатов. Чтобы модель не оценивала сама себя, analysis.py вычисляет все числа по сырым ответам без участия модели. Текст написан нами в качестве примера на основе этих чисел.

Начнём с длины. После отсева шума медианный комментарий в Weibo содержит 14 символов. Девять из десяти комментариев Weibo не длиннее 36 символов, а самый длинный содержит 158. Медианный комментарий на Zhihu содержит 28 символов, девять из десяти не длиннее 70, а самый длинный содержит 229.

Медианная длина четырёх ответов на Zhihu составляет 310,5 символа, а максимальная — 756. Таким образом, комментарий на Zhihu вдвое длиннее комментария в Weibo, а ответ на Zhihu — ещё в десять раз длиннее. Если читать только Weibo, можно уловить настроение. Чтобы понять причины, нужны ответы на Zhihu.

Теперь о шуме. Из 78 комментариев Weibo по этим правилам были удалены 15. Шесть из них содержали не более 4 символов, например «да». Четыре состояли только из эмодзи.

Три из них были ответами поискового помощника Weibo. Один был повтором, ещё один содержал только ссылку. Из 78 комментариев Zhihu по этим правилам удалили 8: 3 были слишком короткими, 2 содержали только ссылки, 2 были повторами, а 1 состоял только из эмодзи. Доля шума составляет 19% на Weibo и 10% на Zhihu.

Ответы бота стоит отметить отдельно. Пользователи Weibo могут отметить поискового помощника в комментарии и спросить, например, «на сколько DeepSeek подняла цену». Помощник публикует длинный ответ, и такие ответы занимают высокие места по числу лайков. Без правила, отсекающего ответы бота, вы выдали бы слова помощника за мнение людей.

Дальше — темы. Для каждой из шести тем мы составили список ключевых слов. Для темы «цена» в список вошли слова и выражения о повышении цены и дороговизне, вопрос «сколько стоит», а также юани и доллары. Для темы «квота» — квота, использование, «закончилось», 5 часов, неделя, кредиты и сброс. Для темы «качество» — «отупела» и квантование.

В список для темы «конкуренты» вошли DeepSeek, Kimi, Codex, Claude, Qwen и MiniMax. Тема «локальный запуск» охватывает локальную установку, видеопамять и развёртывание. Тема «блокировки» охватывает блокировки, контроль рисков и лимиты запросов. Один комментарий может относиться сразу к нескольким темам.

Из 63 оставшихся комментариев Weibo 22,2% обсуждают цену, а 15,9% сравнивают конкурентов. На качество и локальный запуск приходится по 4,8%, а на квоту всего 3,2%. Из 70 оставшихся комментариев Zhihu 25,7% обсуждают квоту. На цену и конкурентов приходится по 20%, на качество и блокировки по 5,7%, а локальный запуск не упоминается вовсе.

На основе этих чисел сводка GLM могла бы выглядеть так. Это наш пример текста, а не текст, созданный моделью.

Оба сайта говорят о цене, но по-разному. В Weibo люди выносят вердикт в одну строку, например «цены становятся всё абсурднее», и редко объясняют причину. Примерно каждый шестой комментарий упоминает другого поставщика. На Zhihu люди считают. В самом популярном ответе говорится, что любой тариф, в котором стоимость API снижена более чем в 15 раз, убыточен, если пользователь использует весь доступный объём.

Самые популярные комментарии касаются квоты. В одном из них, набравшем 74 лайка, говорится, что доступный объём использования сократился примерно вдвое «после раздачи карт сброса». На Zhihu в 5,7% комментариев упоминаются блокировки и контроль рисков, а на Weibo таких комментариев нет. Некоторые пользователи Weibo спрашивают, может ли локальный запуск заменить тариф, а в этой выборке Zhihu таких упоминаний нет. Выборка небольшая: по 78 комментариев с каждого сайта, а ответы Zhihu взяты из вопросов с наибольшим числом лайков.

Мы цитируем только публичный текст комментариев без имён пользователей. Число лайков взято из поля like_count. Одно ограничение стоит повторить: это одна тема, одна ночь и по 78 комментариев на сайт.

Правила определения тем — это составленные нами списки ключевых слов. GLM может размечать комментарии точнее, а может и ошибаться. Результат отвечает на вопрос «чем различается обсуждение темы на двух сайтах». На вопрос «какая доля людей поддерживает повышение цены» он не отвечает.

11. Стоимость: данные, токены GLM и кредиты тарифа

Начнём с данных. Во втором запуске было 12 запросов. weibo/search стоил $0.000806, а каждый из остальных 9 успешных запросов обошёлся в $0.000556. Два неудачных запроса, один из которых вернул 429, были бесплатными. Итого $0.00581. Запуск вернул 79 текстовых записей (5 комментариев Weibo, 3 ответа Zhihu и 71 комментарий Zhihu) и ещё 40 записей поисковой выдачи. Это $0.0735 за 1 000 текстовых записей.

Финальный скрипт обходится без шага с полным текстом. Один запуск отправляет 7 запросов на $0,004142 и возвращает 5 комментариев Weibo, 21 комментарий Zhihu и 40 записей поисковой выдачи. Ежедневный запуск в объёме нашего второго запуска стоит $0,1743 в месяц, а ежедневный запуск финального скрипта обходится в $0,12426 в месяц.

Теперь модель. Без аккаунта мы не могли измерить реальную сессию. Поэтому мы взяли пример сессии из документации Claude Code о расходах. В ней 1,2 тыс. входных токенов, 5,3 тыс. выходных токенов, 940 тыс. токенов чтения из кеша и 50 тыс. токенов записи в кеш.

Такой профиль близок к сценарию «написать скрипт на 100 строк, запустить его дважды, исправить один раз». Преобладает чтение из кеша, потому что на каждом ходе контекст перечитывается. У Zhipu нет отдельной цены за запись в кеш, поэтому мы считаем её по цене обычных входных токенов.

Столбец «Одно чтение сводки» рассчитан исходя из 2 207 входных токенов (очищенного текста из второго запуска) и 1 500 выходных токенов. Это дополнительные ежедневные расходы после написания скрипта: столько стоит обработка свежих данных моделью GLM. Значения в CNY рассчитаны по курсу 6,7150 на 2026-11-03.

Диаграмма показывает главное: в задачах такого рода большая часть денег уходит на написание и исправление кода, а не на получение данных. Одна сессия написания скрипта с GLM-5.3 стоит примерно в 60 раз дороже самих данных, а с Flash — примерно в 7 раз. Когда скрипт готов, ежедневные расходы складываются из стоимости данных и одного чтения данных для сводки. С Flash на Z.ai это меньше $0,007 в день.

В Coding Plan стоимость модели переводится в кредиты. Lite даёт 10 000 кредитов в неделю. При использовании только в часы пик этого хватает примерно на 48 сессий, подобных нашей, с GLM-5.3 или примерно на 145 с Flash. Вне часов пик оба числа удваиваются. Встроенный веб-поиск стоит 1,2 кредита за вызов, поэтому несколько обращений к документации почти не расходуют квоту.

Есть ещё одна статья расходов, которую легко упустить: передача модели необработанного ответа API. Необработанный JSON из второго запуска содержал около 14 543 токенов. При цене входных токенов Z.ai для GLM-5.3 в $1,4 за миллион одно чтение стоит около $0,02 — более чем втрое дороже получения данных. На каждом дополнительном ходе модель читает его заново. Сначала сжимайте данные скриптом, чтобы модель читала лишь около 2 207 токенов. В этой схеме именно это даёт наибольшую экономию.

12. Ограничения

Во-первых, возможность zhihu/question_answers, которая читает все ответы на вопрос, во время наших тестов была недоступна, и за неудачные запросы ничего не списали. Поэтому скрипт начинает с zhihu/search и по каждому вопросу читает только найденные поиском ответы и комментарии под ними.

Во-вторых, на стороне Zhipu мы ничего не тестировали. Конфигурация составлена по документации, прочитанной 2026-11-04, и в двух местах эти документы противоречат друг другу. У нас нет данных о том, какой скрипт написала бы GLM-5.3, сколько исправлений ей понадобилось бы и сколько токенов она потратила бы. Стоимость модели оценена по примеру сессии из документации Claude Code, а не измерена.

В-третьих, выборка мала. На каждом сайте по 78 комментариев. В Weibo 73 из них взяты из постов, отобранных вручную, а не скриптом. На Zhihu всего 4 ответа. Правила определения тем основаны на списках ключевых слов, а короткие слова, например «неделя», могут давать случайные совпадения. Используйте результаты как зацепки, а не как показатели долей мнений.

В-четвёртых, квота тарифа действует только в поддерживаемых инструментах. Таймер, который запускает скрипт и просит GLM составить сводку без участия человека, выходит за рамки тарифа. Для такого сценария нужен стандартный API. В нашей схеме по таймеру запускается только скрипт. Сводка будет подготовлена лишь после того, как вы откроете Claude Code и попросите GLM прочитать последний файл.

В-пятых, в комментариях Weibo из weibo/comments нет поля местоположения по IP. Ответы внутри ветки возвращает эндпоинт weibo/comment_replies; его вызов стоит $0,000806, а ответ содержит данные о местоположении. Если вам нужен разрез по регионам, добавьте этот вызов.

13. Последние изменения в GLM-5.3 и Coding Plan

Что касается моделей, 2026-10-12 QbitAI сообщил, что Zhipu добавила GLM-5.3-Highspeed в ZCode 3.15.1. Один пользователь измерил скорость около 490 токенов в секунду (QbitAI). Пока эта модель доступна только в ZCode, а в документации Coding Plan она не указана как доступная для Claude Code. 2026-10-29 пакет MCP для работы с изображениями обновился до версии 0.1.6.

Что касается безопасности, 2026-09-29 Anthropic опубликовала исследование. В нём говорится, что GLM-5.3 способна самостоятельно разрабатывать киберэксплойты от начала до конца и была выпущена без серьёзных защитных механизмов (исследование Anthropic). 2026-10-30 Help Net Security рассказал об оценке, проведённой Irregular.

GLM-5.3 не отказалась выполнять ни один из 13 сценариев, и авторы оценки советуют проверить ограничения, прежде чем давать модели больше автономии (Help Net Security). Для нашей схемы это означает соблюдение принципа наименьших привилегий. Когда GLM работает в Claude Code, скрипту нужны только одна папка и один API.

Что касается цен, 2026-10-16 Zhipu разделила стандартные API-ключи и API-ключи тарифов. 2026-10-23 36Kr сообщил, что Zhipu оказалась одним из немногих поставщиков с реальной скидкой ко Дню холостяка. Месячная карта Lite подешевела со 118 CNY до 115 CNY (36Kr). В конце октября сообщество BAAI сообщило, что некоторые пользователи тарифов получили карты сброса квоты в качестве компенсации за падение качества (BAAI Hub). Это соответствует комментарию на Zhihu об использовании «после раздачи карт сброса». Правил для этих карт в документации Zhipu мы не нашли.

14. Как начать работу

Шаги с 1 по 3 приведены как пример конфигурации. Шаги с 4 по 6 мы выполнили сами.

1. Оформите подписку на Coding Plan в Z.ai и создайте ключ тарифа.
2. Отредактируйте ~/.claude/settings.json, как описано в разделе 4.
3. Откройте новый терминал, запустите claude и введите /status, чтобы проверить модель.
4. Получите API-ключ EveryInfra в разделе Быстрый старт и добавьте его как EVERYINFRA_API_KEY.
5. Дайте Claude Code промпт из раздела 7. Начните с малого: --weibo-posts 2 --zhihu-questions 2 и --zhihu-title.
6. Попросите GLM прочитать JSON и написать сводку, затем добавьте фильтр по заголовку и запустите скрипт снова.

Параметры и поля каждой возможности описаны на странице API Zhihu и странице API Weibo. См. поиск по Zhihu, комментарии Zhihu и необязательную возможность получения подробных сведений о контенте Zhihu. Для Weibo см. поиск по Weibo и комментарии Weibo. Список инструментов удалённого MCP-сервера приведён на странице MCP-сервера, а цены каталога указаны на странице «Тарифы».

Читайте также: как модели справляются с этапом очистки и сколько это стоит, описано в статье DeepSeek V4 в Claude Code для очистки комментариев. JSON из topic_pulse.py можно сразу передать в этот процесс. Другой подход к работе с данными в Claude Code описан в статье Динамические сценарии Claude Code для комментариев Xiaohongshu. О смещении, которое вносит выбор «по лайкам», читайте в статье о целостности выборки в исследованиях соцсетей, а о возврате средств за неудачные вызовы — в руководстве по сверке возвратов средств за неудачные вызовы.

FAQ

Как использовать GLM 5.3 в Claude Code и зачем нужен суффикс [1m]?

Задайте значения в блоке env файла ~/.claude/settings.json, как показано в разделе 4. Чаще всего упускают суффикс [1m]. Claude Code не знает идентификатор glm-5.3, поэтому без суффикса считает, что окно контекста составляет 200K, и сжимает контекст слишком рано. После изменения откройте новый терминал и проверьте строку модели командой /status. Источник вопроса: поисковые подсказки по запросам «how to use glm 5.3 in claude code» и «glm 5.3 claude code», проверено 2026-11-04. Источники ответа: руководство Z.ai по Claude Code, настройка моделей в Claude Code.

Может ли мой собственный скрипт использовать квоту Coding Plan?

Нет. Тариф работает только в поддерживаемых инструментах. Для вызовов из ваших приложений, сайтов, ботов или SaaS-продуктов нужен стандартный API. Кроме того, с 2026-10-16 эти два типа ключей разделены. Поэтому наш скрипт только собирает данные, а сводку пишет GLM в Claude Code. Источник вопроса: поисковые подсказки по запросу «glm coding plan limits», проверено 2026-11-04. Источники ответа: правила использования Z.ai, обзор Coding Plan.

Каковы базовый URL и эндпоинт GLM Coding Plan для Claude Code?

В Z.ai используйте https://api.z.ai/api/anthropic. В BigModel используйте https://open.bigmodel.cn/api/anthropic. Для Codex и других OpenAI-совместимых инструментов предусмотрены отдельные URL для работы с кодом. Обычный URL API не использует квоту тарифа. Источник вопроса: поисковые подсказки по запросам «glm coding plan base url» и «glm coding plan endpoint», проверено 2026-11-04. Источники ответа: руководство BigModel по смене модели, Быстрый старт Z.ai.

Что выбрать для написания скрипта: GLM-5.3-Flash или GLM-5.3?

В Z.ai цена входных токенов Flash составляет примерно одну девятую цены GLM-5.3; то же верно для выходных токенов. По нашей оценке, одна сессия написания скрипта стоит около $0,04 с Flash и $0,34 с GLM-5.3. Для скрипта сбора данных на 100 строк начните с Flash и переходите на GLM-5.3, только если Flash не сможет исправить ошибку. Источник вопроса: поисковые подсказки по запросам «glm 5.3 flash vs glm 5.3» и «glm 5.3 flash cost», проверено 2026-11-04. Источник ответа: Тарифы Z.ai.

Что может вернуть встроенный веб-поиск Coding Plan?

Согласно документации Zhipu, веб-поиск возвращает заголовки, URL, краткие описания, названия сайтов и иконки, а инструмент для чтения веб-страниц — заголовок, основной текст, метаданные и ссылки. Это подходит для документации и новостей. Скрипту для анализа темы нужна отдельная запись для каждого ответа или комментария с лайками и датами, и для этого мы используем zhihu/search, zhihu/content_comments, weibo/search и weibo/comments. У нас нет аккаунта Zhipu, поэтому встроенные инструменты мы не тестировали. Источник вопроса: поисковые подсказки по запросу «glm coding plan web search», проверено 2026-11-04. Источники ответа: MCP для веб-поиска, MCP для чтения веб-страниц.

Есть ли у Zhihu API?

Да. Платформа данных Zhihu предоставляет эндпоинты поиска и списка трендов. Поиск возвращает не больше 10 фрагментов за вызов, а также избранные комментарии. Для него нужны Bearer-токен и заголовок с временной меткой. Этот API подходит для работы через собственную систему авторизации платформы.

Наш скрипт использует zhihu/search, чтобы получать 20 ответов за вызов, и zhihu/content_comments для комментариев. 2026-11-04 финальный запуск прочитал 21 комментарий Zhihu, а обработка Zhihu обошлась в $0,002224. Источник вопроса: поисковые подсказки по запросу «zhihu com api», проверено 2026-11-04. Источники ответа: документация Zhihu для разработчиков: поиск, страница возможности поиска по Zhihu.

Источники

1. Z.ai: руководство по Claude Code
2. Z.ai: обзор Coding Plan
3. Z.ai: переход на последнюю модель
4. Z.ai: правила использования
5. Z.ai: Быстрый старт
6. Z.ai: Тарифы
7. Блог Z.ai: GLM-5.3
8. BigModel: руководство по смене модели, изучено 2026-11-04
9. BigModel: руководство по Claude Code
10. BigModel: введение в Claude Code
11. BigModel: обзор Coding Plan
12. BigModel: Быстрый старт по Coding Plan
13. BigModel: примечания по использованию Coding Plan
14. BigModel: вопросы и ответы о Coding Plan
15. BigModel: уведомление об изменении тарифа
16. BigModel: уведомление об API-ключах, 2026-10-16
17. BigModel: MCP для веб-поиска
18. BigModel: MCP для чтения веб-страниц
19. BigModel: zread MCP
20. BigModel: MCP для работы с изображениями
21. BigModel: поддерживаемые инструменты
22. BigModel: страница модели GLM-5.3
23. BigModel: страница модели GLM-5.3-Flash
24. BigModel: Тарифы
25. BigModel: информация о выпусках
26. BigModel: вопросы об оплате
27. BigModel: вопросы по API
28. Страница GLM Coding Plan, цены по состоянию на 2026-11-04
29. Claude Code: LLM-шлюз
30. Claude Code: настройка моделей
31. Claude Code: переменные окружения
32. Claude Code: MCP
33. Claude Code: настройки
34. Claude Code: расходы
35. Claude Code: история изменений, версия 2.1.317 от 2026-11-03
36. История изменений в репозитории Claude Code
37. Спецификация MCP, 2026-07-28
38. Zhipu glm-cookbook: пример Claude Code
39. npm: @z_ai/mcp-server
40. npm: @z_ai/coding-helper
41. Платформа данных Zhihu
42. Платформа данных Zhihu: поиск
43. Платформа данных Zhihu: Skill «Список трендов»
44. CLI открытой платформы Weibo
45. Быстрый старт с Weibo CLI
46. Weibo API: comments/show
47. Weibo API: search/topics
48. Weibo API: лимиты запросов
49. Каталог возможностей EveryInfra, данные на 2026-11-04
50. SAFE: «Центральные паритетные курсы юаня»
51. Anthropic: «GLM-5.3 and the spread of advanced cyber capabilities», 2026-09-29
52. Help Net Security: оценка GLM-5.3 от Irregular, 2026-10-30
53. QbitAI: GLM-5.3-Highspeed со скоростью 490 токенов в секунду, 2026-10-12
54. 36Kr: тарифы на токены в День холостяков, 2026-10-23
55. BAAI Hub: «Снижение качества и карточки сброса»