Wie man GLM-5.3-Flash in Claude Code und Cline verwendet

Wenn Sie bereits den GLM Coding Plan abonniert haben, gibt es einen speziellen Grund, sich für GLM-5.3-Flash zu interessieren: Es soll im selben Plan die dreifache nutzbare Quote von GLM-5.3 bieten. Der Tausch: dreimal so viele Anfragen für ein Modell mit 57 statt 60 Punkten im Artificial Analysis Intelligence Index.

Apidog noch heute ausprobieren

Für routinemäßige Codierungsarbeiten ist das oft sinnvoll. Dieser Leitfaden zeigt die Integration in Claude Code und Cline, sinnvolle Modellwahl und typische Konfigurationsfehler.

Voraussetzungen

• Ein GLM Coding Plan-Abonnement von z.ai, ab etwa 18 USD pro Monat.
• Ein API-Schlüssel aus dem Z.ai-Dashboard.
• Claude Code oder Cline.

Prüfen Sie Quotenmultiplikator und Planstufen direkt auf z.ai. Planbedingungen ändern sich häufiger als Modellspezifikationen; die 3x-Angabe stammt aus der Z.ai-Dokumentation.

Claude Code

Z.ai stellt einen Anthropic-kompatiblen Endpunkt bereit. Claude Code benötigt dafür zwei Umgebungsvariablen.

Schnellstart

Verwenden Sie den offiziellen Konfigurationshelfer:

npx @z_ai/coding-helper

Er fragt nach Ihrem Schlüssel und schreibt die Konfiguration. Wählen Sie anschließend glm-5.3-flash als Modell.

Manuelle Konfiguration

Setzen Sie URL und Token in Ihrem Shell-Profil:

export ANTHROPIC_BASE_URL="https://api.z.ai/api/anthropic"
export ANTHROPIC_AUTH_TOKEN="your-z-ai-key"

Starten Sie Claude Code anschließend wie gewohnt. Anfragen gehen dann an Z.ai statt an Anthropic.

Achten Sie besonders auf diese Punkte:

• ANTHROPIC_API_KEY ist nicht ANTHROPIC_AUTH_TOKEN. Entfernen Sie einen möglicherweise gesetzten alten Anthropic-Schlüssel. Wenn beide Variablen gesetzt sind, können irreführende Authentifizierungsfehler entstehen.
• Die Variablen müssen den gestarteten Prozess erreichen. Wenn Sie Claude Code über einen Editor oder Launcher starten, wird Ihr Shell-Profil möglicherweise nicht geladen. Prüfen Sie im selben Startkontext:

echo $ANTHROPIC_BASE_URL

Modell und Timeout setzen

Verwenden Sie diese Modell-ID:

{
  "model": "glm-5.3-flash"
}

Für lange Kontexte kann ein höheres Timeout nötig sein:

export API_TIMEOUT_MS=3000000

Der Wert stammt aus einem GLM-5.2-Setup und sollte an Ihre Praxis angepasst werden. Der GLM-5.2-Harness-Leitfaden hilft bei der Migration bestehender Konfigurationen.

Cline

Cline verwendet den OpenAI-kompatiblen Anbieter, nicht den Anthropic-kompatiblen Endpunkt.

1. Öffnen Sie die Cline-Einstellungen.
2. Wählen Sie OpenAI Compatible als API-Anbieter.
3. Setzen Sie die Basis-URL auf https://api.z.ai/api/coding/paas/v4.
4. Fügen Sie Ihren Z.ai-API-Schlüssel ein.
5. Wählen Sie ein benutzerdefiniertes Modell und tragen Sie glm-5.3-flash ein.

Verwechseln Sie nicht die Endpunkte:

• Coding Plan: https://api.z.ai/api/coding/paas/v4
• Direkte API-Aufrufe: https://api.z.ai/api/paas/v4

Der Standard-API-Endpunkt wird beispielsweise im API-Leitfaden für GLM-5.3-Flash verwendet. Die Standard-URL mit einem Coding-Plan-Schlüssel ist eine häufige Ursache für Autorisierungsfehler. Prüfen Sie die aktuellen Pfade in der Z.ai-Dokumentation.

Kontextfenster konfigurieren

Cline erkennt das Kontextfenster benutzerdefinierter Modelle nicht immer korrekt. Wenn Kontext zu früh verworfen wird, setzen Sie es manuell auf 1.000.000.

Dieses Verhalten trat bereits bei GLM-5.2 auf: Cline verwirft Dateikontext früher als erwartet, obwohl das Modell ihn verarbeiten könnte.

Warum Flash für agentische Codierung?

Nach den Startzahlen von Z.ai:

Benchmark	GLM-5.3-Flash	GLM-5.2
Terminal-Bench 2.1	84,3	Nicht direkt vergleichbar
DeepSWE	63,4	46,2
AutomationBench	48,8	26,2

Der Terminal-Bench-Wert wurde mit Claude Code 2.1.207 gemessen und ist damit direkt für gängige Coding-Harnesses relevant. Behandeln Sie diese Werte als Herstellerangaben, bis unabhängige Reproduktionen vorliegen.

Artificial Analysis misst einen Intelligence Index von 57 für Flash gegenüber 60 für GLM-5.3.

Eine wichtige Neuerung für Coding-Harnesses ist die native Bildeingabe. Flash kann Screenshots zusammen mit Code in derselben Anfrage verarbeiten. Bei Frontend-Problemen können Sie daher einen Screenshot eines fehlerhaften Layouts einfügen, statt das Rendering nur zu beschreiben. Der Vision-Leitfaden behandelt diesen Pfad ausführlicher.

Geschwindigkeit versus Quote

GLM-5.3-Flash erzeugt etwa 49 Tokens pro Sekunde; GLM-5.3 erreicht etwa 86 Tokens pro Sekunde. Bei langen Datei-Umschreibungen ist das spürbar.

Die Zeit bis zum ersten Token ist mit 1,52 gegenüber 1,57 Sekunden nahezu gleich. Flash beginnt also ähnlich schnell zu antworten, ist aber bei langen Ausgaben deutlich langsamer.

Der praktische Tausch lautet:

• Dreifache Quote
• Etwa halbe Generierungsgeschwindigkeit

Bei kleinen Änderungen, Tool-Aufrufen und iterativer Arbeit überwiegt meist die höhere Quote. Bei langen Neuschreibungen großer Dateien ist die Wartezeit real.

Praktische Routing-Strategie

Nutzen Sie beide Modelle gezielt:

• GLM-5.3-Flash: Erkundung, Code lesen, Befehle ausführen, kleine Änderungen und bildbezogene Aufgaben.
• GLM-5.3: Schwierige Architekturentscheidungen, lange Refactorings und Aufgaben, bei denen Flash bereits gescheitert ist.

Das Umschalten kostet nur die Änderung der Modell-ID in Ihren Harness-Einstellungen. So bleibt der Großteil des Volumens beim 3x-Quoten-Modell, während die teurere Quote für anspruchsvolle Aufgaben reserviert bleibt.

Z.ai weist außerdem darauf hin, dass Aufrufe außerhalb der Spitzenzeiten nur die Hälfte der Standardpunkte verbrauchen. Batch- und Hintergrund-Agentenarbeit außerhalb dieser Zeiten kann den Plan weiter strecken.

Fehlerbehebung

• 401 oder 403 bei jeder Anfrage: Meist ist die Basis-URL nicht zum Schlüssel passend, oder ein alter ANTHROPIC_API_KEY überschattet ANTHROPIC_AUTH_TOKEN. Testen Sie zuerst den direkten Aufruf weiter unten.
• Modell nicht gefunden: Die korrekte native Z.ai-ID lautet glm-5.3-flash. Bei OpenRouter heißt das Modell z-ai/glm-5.3-flash; diese IDs sind nicht austauschbar.
• Kontext wird zu früh abgeschnitten: Setzen Sie in Cline das Kontextfenster manuell auf 1.000.000.
• Timeouts bei großen Anfragen: Erhöhen Sie API_TIMEOUT_MS. Sehr lange Kontextanfragen können Client-Timeouts überschreiten, ohne dass ein Fehler beim Modell vorliegt.
• Quote schneller verbraucht als erwartet: reasoning_effort steht standardmäßig auf max, und Reasoning-Tokens zählen zur Quote. Senken Sie den Wert für Routineaufgaben auf low, sofern Ihr Harness dies unterstützt.
• Fehlerhafte Tool-Aufrufe: Prüfen Sie, ob Harness und Endpunkt dasselbe Tool-Calling-Format erwarten. Dieser Teil ist versionssensitiv und kann nach Updates auf beiden Seiten brechen.

Weitere Harnesses

Die zwei Verbindungstypen decken die meisten Tools ab:

• Anthropic-kompatible Tools wie Claude Code und einige Agenten-Frameworks:
  • URL: https://api.z.ai/api/anthropic
  • [REDACTED CREDENTIAL]_TOKEN`
• OpenAI-kompatible Tools wie Cline, Roo, Kilo, OpenCode, Codex und Cursors benutzerdefinierte Modelloption:
  • URL: https://api.z.ai/api/coding/paas/v4
  • Modell: glm-5.3-flash
  • Schlüssel: Standardfeld für API-Schlüssel

Weitere Beispiele finden Sie in den Leitfäden zu GLM-5.1 mit Claude Code sowie Claude Code und Cursor mit GLM-4.7.

Verbindung prüfen

Prüfen Sie den Endpunkt unabhängig vom Harness:

bash
curl https://api.z.ai/api/coding/paas/v4/chat/completions \
-H "[REDACTED CREDENTIAL] $ZAI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5.3-flash",
"messages": [{"role": "user", "content": "reply with OK"}]
}'


Wenn dieser Aufruf eine Vervollständigung zurückgibt, Ihr Harness aber weiter fehlschlägt, liegt das Problem in der Harness-Konfiguration und nicht an den Zugangsdaten.

Für wiederholte Tests ist Apidog praktischer als die Shell-Historie. Speichern Sie Coding- und Standard-Endpunkt nebeneinander, hinterlegen Sie den Schlüssel als Umgebungsvariable und prüfen Sie bei Autorisierungsfehlern mit einem Klick, ob Endpunkt oder Tool verantwortlich ist.

Häufig gestellte Fragen

• Benötige ich einen Coding Plan oder funktionieren API-Credits? Beides funktioniert. Der Coding Plan ist für täglich codierende Entwickler meist günstiger; getakteter API-Zugang eignet sich für Anwendungen. Der Preisleitfaden vergleicht beide Optionen.
• Hat Flash wirklich die dreifache Quote von GLM-5.3? Das ist die von Z.ai angegebene Zahl. Prüfen Sie sie vor der Planung auf z.ai/subscribe.
• Warum schneidet Cline meinen Kontext ab? Setzen Sie das Kontextfenster manuell auf 1.000.000; Cline erkennt dies bei benutzerdefinierten Modellen nicht immer.
• Welche Basis-URL brauche ich? https://api.z.ai/api/anthropic für Claude Code, https://api.z.ai/api/coding/paas/v4 für OpenAI-kompatible Tools im Coding Plan und https://api.z.ai/api/paas/v4 für direkte API-Aufrufe.
• Kann ich Screenshots in Claude Code mit Flash verwenden? Das Modell unterstützt native Bildeingabe. Ob Ihre Harness-Version sie verfügbar macht, müssen Sie vor dem Einsatz testen.