Cách dùng GLM-5.3-Flash trong Claude Code và Cline

Tích hợp GLM-5.3-Flash với Claude Code và Cline

Nếu bạn đã đăng ký Gói mã hóa GLM, GLM-5.3-Flash đáng chú ý vì được cho là cung cấp dung lượng sử dụng gấp ba lần GLM-5.3 trên cùng một gói. Đổi lại, mô hình đạt 57 điểm trên Chỉ số Thông minh Artificial Analysis, thay vì 60 điểm của GLM-5.3.

Dùng thử Apidog ngay hôm nay

Với công việc mã hóa thông thường, đây thường là đánh đổi hợp lý. Bài viết này hướng dẫn cấu hình GLM-5.3-Flash cho Claude Code và Cline, thời điểm nên dùng GLM-5.3, cùng các lỗi cấu hình phổ biến.

Chuẩn bị

Bạn cần:

• Gói đăng ký mã hóa GLM từ z.ai, với giá khởi điểm khoảng 18 USD/tháng.
• Khóa API từ bảng điều khiển Z.ai.
• Claude Code hoặc Cline đã được cài đặt.

Hãy xác minh hệ số dung lượng và cấp gói trực tiếp trên z.ai trước khi lập kế hoạch sử dụng. Điều khoản gói có thể thay đổi; con số gấp 3 lần đến từ tài liệu của Z.ai.

Claude Code

Z.ai cung cấp endpoint tương thích Anthropic, vì vậy Claude Code có thể gọi GLM bằng hai biến môi trường.

Thiết lập nhanh

Chạy công cụ hỗ trợ của Z.ai:

npx @z_ai/coding-helper

Công cụ sẽ yêu cầu khóa API và tạo cấu hình. Nếu hoàn tất, chuyển sang phần chọn mô hình.

Thiết lập thủ công

Thêm URL cơ sở và mã thông báo vào hồ sơ shell:

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

Khởi động Claude Code như bình thường. Các yêu cầu sẽ được gửi đến Z.ai thay vì Anthropic.

Lưu ý hai lỗi phổ biến:

• ANTHROPIC_API_KEY khác ANTHROPIC_AUTH_TOKEN. Nếu bạn còn khóa Anthropic cũ, hãy hủy đặt biến ANTHROPIC_API_KEY. Đặt cả hai có thể tạo lỗi xác thực giống như dùng sai khóa.
• Biến môi trường phải đến được tiến trình Claude Code. Nếu bạn đặt biến trong .zshrc nhưng mở Claude Code từ trình chỉnh sửa hoặc launcher không tải cấu hình shell, các biến sẽ không tồn tại. Kiểm tra bằng lệnh sau trong cùng ngữ cảnh khởi chạy:

echo $ANTHROPIC_BASE_URL

Chọn mô hình

Chọn glm-5.3-flash. Nếu công cụ dùng tệp cài đặt, cấu hình là:

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

Với tác vụ có ngữ cảnh dài, tăng thời gian chờ:

export API_TIMEOUT_MS=3000000

Giá trị này được kế thừa từ thiết lập GLM-5.2; hãy điều chỉnh theo trải nghiệm thực tế. Xem thêm hướng dẫn thiết lập GLM-5.2 nếu bạn đang di chuyển cấu hình cũ.

Cline

Cline kết nối qua nhà cung cấp tương thích OpenAI, không phải endpoint có định dạng Anthropic.

1. Mở Cline Settings và chọn OpenAI Compatible làm nhà cung cấp API.
2. Đặt Base URL thành https://api.z.ai/api/coding/paas/v4.
3. Dán khóa API Z.ai.
4. Chọn Custom Model và nhập glm-5.3-flash.

Endpoint Gói mã hóa là /api/coding/paas/v4, khác với endpoint API chuẩn /api/paas/v4 dùng cho gọi API trực tiếp trong hướng dẫn API. Dùng endpoint API chuẩn với khóa Gói mã hóa là nguyên nhân phổ biến gây lỗi ủy quyền. Hãy kiểm tra tài liệu Z.ai mới nhất vì các đường dẫn này đã từng thay đổi.

Cài đặt cửa sổ ngữ cảnh

Cline không phải lúc nào cũng suy luận đúng cửa sổ ngữ cảnh cho mô hình tùy chỉnh. Nếu làm việc với codebase lớn hoặc thấy ngữ cảnh bị cắt sớm, hãy đặt thủ công cửa sổ ngữ cảnh thành 1.000.000.

Điều này cũng áp dụng cho GLM-5.2: Cline có thể bỏ qua ngữ cảnh tệp sớm dù mô hình vẫn có khả năng giữ lại.

Vì sao Flash phù hợp với mã hóa tác nhân

Theo số liệu ra mắt của Z.ai:

Điểm chuẩn	GLM-5.3-Flash	GLM-5.2
Terminal-Bench 2.1	84.3	Không so sánh trực tiếp được
DeepSWE	63.4	46.2
AutomationBench	48.8	26.2

Terminal-Bench được đánh giá trên Claude Code 2.1.207, nên có liên quan trực tiếp đến thiết lập của nhiều người dùng. Tuy nhiên, hãy xem đây là tuyên bố từ nhà cung cấp cho đến khi có kết quả sao chép độc lập.

Theo Artificial Analysis, GLM-5.3-Flash có Chỉ số Thông minh là 57, so với 60 của GLM-5.3.

Một khả năng mới hữu ích cho công cụ mã hóa là đầu vào hình ảnh gốc. Flash có thể nhận ảnh chụp màn hình cùng với mã trong một yêu cầu. Với công việc front-end, bạn có thể gửi ảnh bố cục bị lỗi để mô hình suy luận trực tiếp từ kết quả hiển thị thay vì chỉ dựa vào mô tả. Hướng dẫn tính năng thị giác trình bày chi tiết khả năng này.

Đánh đổi về tốc độ

GLM-5.3-Flash tạo khoảng 49 token/giây, trong khi GLM-5.3 đạt khoảng 86 token/giây. Với các yêu cầu cần tạo đầu ra dài, sự khác biệt này sẽ rõ rệt.

Thời gian đến token đầu tiên gần như tương đương: 1,52 giây so với 1,57 giây. Flash bắt đầu phản hồi nhanh, nhưng chậm hơn khi phải tạo nhiều nội dung.

Tóm lại:

• Chỉnh sửa nhỏ, gọi công cụ, đọc mã, tác vụ lặp lại: Flash thường có lợi hơn nhờ dung lượng gấp 3 lần.
• Tái cấu trúc lớn hoặc viết lại tệp dài: GLM-5.3 có thể đáng dùng hơn nhờ tốc độ tạo đầu ra cao hơn.

Chiến lược định tuyến thực tế

Không cần chỉ chọn một mô hình:

• Dùng Flash mặc định cho khám phá, đọc mã, chạy lệnh, chỉnh sửa nhỏ và tác vụ liên quan đến hình ảnh.
• Dùng GLM-5.3 cho vấn đề kiến trúc khó, tái cấu trúc lớn hoặc khi Flash đã thất bại một lần.

Việc chuyển đổi chỉ yêu cầu thay đổi ID mô hình trong cài đặt công cụ. Cách này giữ phần lớn khối lượng công việc trên mô hình có dung lượng gấp 3 lần, đồng thời dành dung lượng GLM-5.3 cho những tác vụ thực sự cần thiết.

Z.ai cũng cho biết các lệnh gọi ngoài giờ cao điểm chỉ tiêu thụ một nửa số điểm tiêu chuẩn. Lập lịch tác vụ tác nhân theo lô hoặc chạy nền ngoài giờ cao điểm có thể giúp kéo dài gói dịch vụ.

Khắc phục sự cố

Lỗi 401 hoặc 403 trên mọi yêu cầu

Nguyên nhân thường là:

• Base URL không phù hợp với khóa đang dùng.
• ANTHROPIC_API_KEY cũ che khuất ANTHROPIC_AUTH_TOKEN.

Hãy xác nhận bằng lệnh gọi trực tiếp ở phần cuối bài viết trước khi thay đổi cấu hình công cụ.

Không tìm thấy mô hình

Kiểm tra chính xác ID:

glm-5.3-flash

ID này dùng dấu chấm trong phiên bản và dấu gạch nối trước flash. Trên OpenRouter, tên là z-ai/glm-5.3-flash, không thể thay thế trực tiếp cho ID gốc của Z.ai.

Ngữ cảnh bị cắt ngắn sớm

Trong Cline, đặt thủ công cửa sổ ngữ cảnh thành 1.000.000. Cline không luôn suy luận chính xác giá trị này cho mô hình tùy chỉnh.

Hết thời gian chờ với yêu cầu lớn

Tăng API_TIMEOUT_MS. Yêu cầu có ngữ cảnh rất dài có thể vượt quá thời gian chờ mặc định của máy khách.

Dung lượng cạn nhanh hơn dự kiến

reasoning_effort mặc định là max, và token suy luận cũng được tính. Nếu công cụ hỗ trợ cấu hình này, hãy giảm xuống low cho công việc thông thường để kéo dài gói dịch vụ.

Lệnh gọi công cụ lỗi hoặc sai định dạng

Xác nhận công cụ và endpoint sử dụng cùng định dạng gọi công cụ. Đây thường là phần nhạy cảm nhất với phiên bản và dễ hỏng sau khi một bên cập nhật.

Dùng với các công cụ khác

Hai kiểu kết nối này bao phủ phần lớn công cụ:

• Công cụ tương thích Anthropic — như Claude Code và một số framework tác nhân — dùng https://api.z.ai/api/anthropic với ANTHROPIC_AUTH_TOKEN.
• Công cụ tương thích OpenAI — như Cline, Roo, Kilo, OpenCode, Codex và tùy chọn mô hình tùy chỉnh của Cursor — dùng https://api.z.ai/api/coding/paas/v4, khóa API tiêu chuẩn và ID glm-5.3-flash.

Các hướng dẫn cho phiên bản trước:

• GLM-5.1 với Claude Code
• Claude Code và Cursor với GLM-4.7

Xác minh kết nối

Trước khi tin vào cấu hình công cụ, hãy kiểm tra endpoint độc lập:

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"}]
  }'

Nếu lệnh trả về phản hồi hoàn chỉnh nhưng công cụ vẫn thất bại, vấn đề nằm ở cấu hình công cụ chứ không phải thông tin đăng nhập.

Với nhiều hơn một lần kiểm tra, Apidog thuận tiện hơn lịch sử shell. Lưu endpoint mã hóa và endpoint chuẩn cạnh nhau, dùng biến môi trường để lưu khóa, rồi kiểm tra nhanh liệu lỗi ủy quyền đến từ endpoint hay công cụ.

Câu hỏi thường gặp

• Tôi có cần Gói mã hóa không, hay API credits cũng hoạt động? Cả hai đều hoạt động. Gói mã hóa thường phù hợp hơn với lập trình viên dùng hằng ngày; API credits phù hợp cho ứng dụng. Xem bài viết về giá.
• Flash có thực sự có dung lượng gấp 3 lần GLM-5.3 không? Đây là con số do Z.ai công bố. Hãy xác minh tại z.ai/subscribe trước khi lập kế hoạch.
• Vì sao Cline cắt ngắn ngữ cảnh? Đặt thủ công cửa sổ ngữ cảnh thành 1.000.000; Cline không luôn suy luận đúng cho mô hình tùy chỉnh.
• Dùng Base URL nào? Dùng https://api.z.ai/api/anthropic cho Claude Code, https://api.z.ai/api/coding/paas/v4 cho công cụ tương thích OpenAI trong Gói mã hóa, và https://api.z.ai/api/paas/v4 cho lệnh gọi API trực tiếp.
• Tôi có thể dán ảnh chụp màn hình vào Claude Code với Flash không? Mô hình hỗ trợ đầu vào hình ảnh gốc. Việc phiên bản công cụ của bạn có hiển thị khả năng này hay không là vấn đề riêng, vì vậy hãy kiểm tra trước khi phụ thuộc vào nó.