logo
33

Claude Code + GLM 4.6 配置

⏱️ 15分钟

Claude Code + GLM 4.6 保姆级配置教程

放假在家，原本想继续用 Claude Code 写代码，但遇到一个现实问题： 公司电脑有稳定的美国 IP，可以正常用 Claude Code； 个人电脑、家里网络因为网络环境问题，Claude Code 根本登不上（Claude Code 是封禁最严的工具，比 claude 客户端还严）。

正巧智谱的 GLM 刚升级到 4.6，还推出了 GLM Coding 套餐（价格很划算）。于是我临时决定用 GLM-4.6 来替代 Claude code 的 claude 模型。

通过正确的使用方式，可以让 claude code 7 x 24 充分工作。安装完之后，我查看了下用量，按照我自己的用法，5 小时可以消耗 2.7 亿 tokens（还没触发限制），基本上可以说 2 小时能回一个月价格的本了。。对比按 tokens 付费的官网价（200 元/1 亿 tokens）。

image

image

结果体验下来还不错：

  • Claude Code 的 功能、MCP 插件 生态都能用；
  • 效果上，根据 claude code 大神刘小排的评测，能到 claude 4

image 都是个人体感，还得自己用了看。我自己感觉也是不错的。

  • GLM Coding 套餐的价格相比 Claude API 也实惠很多，pro 版一个月才 100 块，最便宜的版本每个月 20 元（不推荐）。 据说，GLM 的 100RMB 限额，是 claude code 100 美元限额的三倍，我没验证过。

所以分享一下 Claude Code + GLM-4.6 的完整配置方法。

准备工作

  1. ** 注册智谱 AI 开放平台账号** 链接：智谱 AI 开放平台

这是我的裂变推荐链接，还能再减 30 块，所以一个季度是 270 块。 btw，虽然套餐可以升级，但只有裂变首单才有 10%折扣。我季付往年付升的时候发现享受不到 10%了，所以想用多久就直接买那个周期的吧。

image

  • Lite：5 小时约 120 次调用
  • Pro：5 小时约 600 次调用（推荐）
  • Max：5 小时约 2400 次调用

这些是“预估次数”，会随任务复杂度、是否自动批准等变化。

** 建议至少要买 PRO。** 一方面是 Lite 限频不够用，而 PRO 在单开一个 terminal 全程跑 10 个并发的 task agent，应该将将够用（我的使用经验）。如果多开 terminal+task agent 可能 max 才够。

另一方面，GLM-4.6 不是一个原生的多模态模型，加上 GLM 的图片和视频理解的 MCP 可以补足。

另外，如果登不上 claude code 的 anthropic 账号，那么搜索也没办法用，而 web search 是缺少信息时必备的一个技能。需要用 GLM 的搜索 MCP 补足。详见Claude Code+GLM 4.6 的一些必要配置

Claude Code 配置环境变量

找到 Claude Code 的配置文件（通常在~/.claude/settings.json，Windows 在C:\Users\<用户名>\.claude\settings.json）。加入以下内容：

{
	"env": {
		"ANTHROPIC_AUTH_TOKEN": "yourkey here",
		"API_TIMEOUT_MS": "3000000",
		"ANTHROPIC_BASE_URL": "https://open.bigmodel.cn/api/anthropic",
		"MCP_TOOL_TIMEOUT": "30000"
	},
	"permissions": {
		"defaultMode": "bypassPermissions"
	},
	"alwaysThinkingEnabled": false
}

除了配置 env 之外，我另外加了 「defaultMode」: 「bypassPermissions」。因为使用 claude code 的原因就是希望 claude code 帮我自动完成长周任务。我是绝对不希望

运行一下：

image

果然成功了

注意一点：

需要把模型切换到 default。在 claude code 看来，还是在用 sonnet。但我们把 url 改成 glm 的链接了。

image

验证 GLM4.6 使用成功

用一条 PowerShell 调 GLM 的Anthropic 兼容接口，直接回显实际模型

这会复用你已配置的ANTHROPIC_AUTH_TOKEN和ANTHROPIC_BASE_URL。

$BASE = $env:ANTHROPIC_BASE_URL
$KEY  = $env:ANTHROPIC_AUTH_TOKEN

$headers = @{
  "x-api-key"         = $KEY                     # 大多数兼容端点支持 x-api-key
  "Authorization"     = "Bearer $KEY"            # 有些也支持 Bearer；两者都更稳
  "anthropic-version" = "2023-06-01"
  "Content-Type"      = "application/json"
}

$body = @{
  model = "default"                               # 就用你现在的 default 看它被路由到谁
  max_tokens = 1
  messages = @(
    @{
      role = "user"
      content = @(
        @{ type = "text"; text = "只返回你当前的模型 ID" }
      )
    }
  )
} | ConvertTo-Json -Depth 8

$r = Invoke-RestMethod -Method Post -Uri "$BASE/v1/messages" -Headers $headers -Body $body
$r.model   # ← 这里会打印实际模型，比如 glm-4.5 或 glm-4.6
  • 输出如果是glm-4.5，那就是 4.5；如果是glm-4.6，就是 4.6。

image

看起来 GLM 4.6 调用成功了。

MCP 补充

启用联网搜索 MCP

在命令行下输入这一段

claude mcp add-json web-search-prime  '{"type":"http", "url":"https://open.bigmodel.cn/api/mcp/web_search_prime/mcp","headers":{"Authorization":"Bearer <你的 GLM API Key>"}}'   --scope user

GLM 的 Pro 套餐自带这个联网搜索 MCP，配置好后在 Claude Code 里可以直接调用。

注意在使用 claude mcp add 命令的时候，后面一定要加 --scope user。才能全局安装。自己用的时候吃了一些亏才发现。当然如果是直接去 json 文件里改，就没这些问题。

image

启用图像/视频理解 MCP

同样，在命令行下输入这一段

claude mcp add-json zai-mcp-server  '{"type":"stdio","command":"cmd","args":["/c","npx","-y","@z_ai/mcp-server"],"env":{"Z_AI_API_KEY":"<你的 GLM API Key>"}}'  --scope user

这个 MCP 支持图像 + 视频的解析。安装后，Claude Code 就能在对话里直接读取文件里的图片或视频帧。

image

image

浏览器操作的 mcp 也一定是要装的。

过去我会推荐使用 browsermcp，因为可以记录登录信息。

既然 chrome 官方出了 chrome devtools，那么当然是用官方的。而且同样可以记录登录信息。

image

https://www.zhihu.com/account/scan/login/YjVlZWExMmItMDcy?/api/login/qrcode (二维码自动识别)

登录、关闭 chrome，再次打开：

image

image

markitdown

一个微软开发的，将 pdf 等文件类型变成 llm 可读文件的工具。

有 MCP，有需要的可以安装，不详细讲了。

验证 mcp 安装成功

查看一下我安装的 mcpe：

claude mcp list

image

使用小技巧：

  • 如果你在跑自动化任务，可以定期刷一下 chromedevtools 自动打开了哪些网页，把他们都登录一遍。虽然 chromedevtools 可以记录登录信息，但不是你经常使用的 profile，而是新起了一个。
  • 另外，模型自动运行的时候，经常也会打开 google 等外网，可能和训练数据有关。记得打开科学。或者#加入 memory，让他多搜国内网站。

用量查看

安装

全局安装

npm install -g ccusage

常用命令

ccusage                      # = ccusage daily（默认日汇总）
ccusage daily --since 20241201 --until 20241231
ccusage weekly               # 周汇总
ccusage monthly              # 月汇总
ccusage session              # 按会话（对话）查看
ccusage blocks               # 按 5 小时计费窗查看（含 Active/预测等）
ccusage blocks --active      # 只看当前活跃窗口
ccusage blocks --recent      # 近几天窗口
ccusage daily --breakdown    # 分模型拆解
ccusage monthly --json > usage.json  # 导出 JSON 做二次分析

其中 ccusage blocks 可以看 5 小时窗口，还能估算剩余额度。

image 我使用下来 5 小时最高可以到 2 亿多 tokens

ccusage daily 可以查看按天用量。

image 我平均每天可以用掉 3 亿多 tokens。

当然最推荐的是

ccusage blocks --live

可以每 1s 实时刷新，享受观看 API Token 消耗的快乐。有兴趣的可以看看我另一篇，如何让 Claude Code 稳定长跑

补充：并发和速率

官网描述并发限制如下（充值可以加并发）。

image

近期官方把 glm4.5 的并发也砍半了，从 20 降到了 10。看起来智谱确实薅了一大波付费用户，资源没那么充裕了。不过加起来 15 的并发也够用。不过，这个并发限制并不是必然命中，前一阵程序员节的时候总是命中，但最近 10 路并发似乎也不触发。还是看 glm 资源情况吧。 官方默认的降级策略，是降到 glm-4.5-air。建议还是手工改下配置，改到 glm4.5 吧。谁要用性价比模型啊是吧。 另外，如果你在凌晨 4 点编程，你可能能感受到极限速度。。。

image

不过这个并发限制我测下来也是偶发。周末的时候似乎 GLM4.6 并发 20 路也没触发。也可能是 GLM 慢慢在把 4.5 的资源挪给 4.6，或者是只在峰谷的限制不一样。

工作日测试，确实是严格 5 路并发，多一路就 error。

不够用的可以用 GLM4.5，给了 20 路并发，这就肯定够用了。4.5 和 4.6 发布时间离得不远，效果还可以。而且我看社区里也有人说 4.5 比 4.6 好的，也是垂直场景主观看法了。

** 如果你确实有很高的并行要求，你可以这么邪修：**

claude --model glm-4.5

单开一个使用 glm 4.5 的 terminal，让他 20 路并行。这样你总共就可以获得 10（4.6）+20（4.5）的并行体验。实测有效。

晒一下我测试的消耗极限：235 万 tokens 每分钟，换算下来就是 7 亿 tokens 每 5 小时。确实是在 burn 了。

image

补充：5 小时限量

终于测出来了，命中了 5 小时 limit，不容易啊。按照吴恩达的说法，ai coding 真的是 exhausted。

 429 {"type":"error","error":{"type":"1308","message":"Usage limit reached for 5 hour. Your limit will reset at 2025-10-18 03:03:23"}

大概 4 亿 tokens 吧。我用的是 pro 订阅。如果是 max，按照官网说法，应该还要再乘上 4 倍。

image

补充：GLM 的空间感

今天在玩用大模型生成 ppt 的时候（本质还是在生成前端），发现 GLM 的空间感似乎比 claude4.5 好。。非常意外。

空间感在大模型前端生成里是一个挺难的问题，之前和游戏引擎公司大佬交流的时候也说到过这点。元素 A 在元素 B 的 xxx 位置，大模型很难生成对。

一样的提示词，GLM 4.6:

image

CLAUDE 4.5:

image

补充：一个模型配置切换小技巧

如果你同时买了 claude 的套餐，同时也用 glm 的 coding plan，你可以在 setttings.json 文件中配一个无意义的字段，比如这里的"_GLM_settings"。

  "env": {
    "API_TIMEOUT_MS": "3000000",
    "MCP_TOOL_TIMEOUT": "60000",
    "_GLM_settings": {
      "ANTHROPIC_AUTH_TOKEN": "your key here",
      "ANTHROPIC_BASE_URL": "https://open.bigmodel.cn/api/anthropic",
      "ANTHROPIC_DEFAULT_HAIKU_MODEL": "GLM-4.5"
    }
  },

那么你后续切换的时候，只要将这几行 glm 相关的配置移入移出{}、增加/删掉一个逗号就可以切换了。大概花费 5 秒钟。

当然也有好几个开源的小工具，可以系统化的管理，但我觉得太重了。自己动手、方便快捷。

补充：GLM 前几天增加了一个 web reader mcp

对标到 Claude Code 原生[WebFetch](https://zhida.zhihu.com/search?content_id=263773808&content_type=Article&match_order=1&q=WebFetch&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3NjgzMDAyOTEsInEiOiJXZWJGZXRjaCIsInpoaWRhX3NvdXJjZSI6ImVudGl0eSIsImNvbnRlbnRfaWQiOjI2Mzc3MzgwOCwiY29udGVudF90eXBlIjoiQXJ0aWNsZSIsIm1hdGNoX29yZGVyIjoxLCJ6ZF90b2tlbiI6bnVsbH0.rcDMSV14FFPJCp6W4zM-5kpEnp0gIcYLVicBQtaRBw0&zhida_source=entity)工具，可以把 html 解析成大模型方便消费的 markdown 格式。

GLM 的 mcp 更强调结构化解析，标题、正文、元数据、链接列表这些字段会单独给出。

效果：

image

GLM 持续在迭代补充 coding 生态的能力，这一点还是很棒的。

来源：知乎原文整理

📚 相关资源