正在加载，请稍候
ZCode 以 Apache-2.0 开源，GLM-5.3 复用 GLM-5.2 基座、提升全部来自后训练。本文逐项核对开源范围与私有化可行边界，给出昇腾场景的四个核对项，以及托管 SaaS、自托管开源、混合三条路线的选型判据。
智谱在 2026 年 9 月把 ZCode 推上 GitHub，许可证是 Apache-2.0。对正在评估私有化的技术负责人来说，真正要回答的不是「它开源了吗」，而是「开出来的东西，够不够把一条开发流水线搬进自己机房」。
先把可核对的事实摆出来。zai-org/ZCode 在 README 里被定义为 “Z.ai's coding agent harness”，说明本仓库包含客户端、后端服务、共享 UI，以及 Agent CLI 与运行时源码。逐项核对如下；凡是本次可核查材料里没有的字段，一律留空，不做推断。
| 核对项 | 结论 | 出处 |
|---|---|---|
| 仓库地址 | github.com/zai-org/ZCode | 仓库首页 |
| 许可证 | Apache License 2.0 | 仓库 LICENSE 文件 |
| 客户端形态 | Electron 桌面应用、浏览器 Web、终端 TUI | README |
| 服务端 | packages/server，提供 HTTP / WebSocket 服务与远程连接 | README 仓库结构 |
| Agent CLI 与运行时 | apps/zcode-cli，随主仓库一起克隆，无需单独拉 submodule | README |
| 运行依赖 | Node.js 24.14.0、pnpm 10.33.2 | README / mise.toml |
| 版本节奏 | README 记录 2026-09-23 更新至 v3.14.3 | README |
| 模型权重 | 官方开放文档只给出 API 接入方式，未列出权重下载入口 | docs.bigmodel.cn |
| 默认沙箱 | 共享 Agent 执行适配器不提供默认的操作系统沙箱 | 仓库 NOTICE.md |
两个细节比「开源了」这句话本身更重要。第一，开源的是 harness，不是模型。仓库里能自托管的是桌面端、Web 端、终端 Agent 与后端服务；智谱开放文档目前只描述了模型 API 的接入方式（OpenAI Chat、OpenAI Response，以及 Anthropic Message 三种协议端点），模型权重是否以开放许可发布，本次没有在官方文档中找到可引用的一手表述，因此不作结论。如果你只想先看模型层面的私有化实测，可以先读一份开源大模型的私有化部署实测。
第二，部署位不等于安全位。仓库的 NOTICE.md 写得很直白：文件、终端、Git 和外部进程会在实际执行它们的操作系统账号权限内活动；在 Web 或远端工作区里，操作可能发生在服务端、SSH 主机、WSL 或容器环境，不能只看当前页面所在设备。共享运行配置默认采用 build 权限模式，独立 CLI 用 --prompt 跑非交互任务且未指定 --mode 时采用 yolo。这些是要落到运维层面的东西，不是一份许可证能覆盖的。
这款 harness 默认对接的旗舰模型是 GLM-5.3（下文简称 5.3）。官方文档的说法是：它复用 5.2 完全相同的基座、没有新增预训练数据，全部能力提升来自后训练；支持 1M 上下文窗口、最大 128K 输出，并且不再支持关闭思考，只保留 low / high / max 三档推理强度。下表按编码任务、长上下文、工具调用三类，把公开可见的数字与 Anthropic 的 Opus 4.8 并排放。
| 类别 | 评测项 | GLM-5.3 | Claude Opus 4.8 |
|---|---|---|---|
| 编码任务 | Terminal-Bench 2.1 | 88.2 | 85.0 |
| 编码任务 | Terminal-Bench 3.0 | 28.3 | 21.1 |
| 编码任务 | DeepSWE v1.1 | 66.9 | 58.0 |
| 编码任务 | NL2Repo | 58.0 | 69.7 |
| 长上下文 | SWE-Marathon v1.1（长程） | 42.5 | 48.8 |
| 长上下文 | 上下文窗口 | 1M token | 本次材料未列，留空 |
| 工具调用 | Toolathlon Verified | 73.0 | 76.2 |
| 工具调用 | Agents' Last Exam (ALE-CLI) | 28.5 | 25.7 |
| 工具调用 | HLE w/ Tools | 62.5 | 57.9 |
读表前有三个前提。其一，数据来自 Z.ai 官方博客 2026-08-14 的发布材料，以及第三方按 Artificial Analysis 结果做的汇总（见文末参考），公布方各有倾向性，交叉验证应在自家负载上重跑。其二，5.3 相对自身的提升幅度更值得关注：官方文档给出的数字是 Terminal-Bench 3.0 从 4.6 升到 28.3、DeepSWE v1.1 从 46.2 升到 66.9、Agents' Last Exam 从 23.8 升到 28.5。其三，长上下文这一栏能拿到的是 1M token 的窗口规格和一项长程评测（SWE-Marathon v1.1，落后 Opus 4.8 约 6 分），其余多是体感描述，不宜作为选型依据。
结论不必绕弯子：在终端型编码任务与代码漏洞审计这两类场景上，5.3 已进入可与 Opus 4.8 同台对比的区间；在长程马拉松式任务上仍是追赶方。把“全面超越”当既定事实去做替换决策，是把厂商叙事当成自己的验证。
如果私有化的前提是「跑在国产算力上」，那么工具链成熟度就不再取决于 IDE 好不好用，而取决于下面四件事。前三项的判断依据，很大一部分来自 2026 年 9 月 30 日 DeepSeek 开源昇腾平台基础设施组件这一动作（InfoQ 报道）。
DeepSeek 这次把面向昇腾 950 的 TileLang 后端，以及 DeepGEMM、DeepEP、FlashMLA、TileKernels、DeepSelect 的昇腾实现一并开源。TileLang 昇腾后端复用共享前端，针对 Cube 矩阵计算单元和 Vector 向量计算单元做专门的编译转换、调度与同步。但要按组件逐项确认：FlashMLA 在昇腾上覆盖预填充与解码，仓库中仍有部分融合内核及稠密注意力内核仅支持 CUDA；DeepSelect 的昇腾实现目前仅支持 BF16 输入，CUDA 实现还支持 FP32。私有化前应把手头 agent 高频调用的算子列成清单，逐个对着组件的支持范围打勾。
现实里很少是纯昇腾，更多是 CUDA 与昇腾并存的过渡期。这意味着两套版本约束要同时维护：TileKernels 的昇腾后端要求 CANN 9.2.0 及以上，DeepEP Ascend 的公开测试尚未验证其内核对其他昇腾代际或 CANN 版本的支持情况。再叠加数据布局差异——昇腾版本的量化缩放因子存储格式与英伟达版本不同，迁移时仍需适配。双栈的真实成本不在机器采购，而在“同一份代码要在两套语义上各验一遍”。
按官网列出的 GLM Coding Plan，Lite 为 ¥94.4/月、Pro 为 ¥430.4/月、Max 为 ¥862.4/月，非高峰时段（含周末全天）调用仅消耗标准积分的 50%。但单价之外必须看每任务实际输出：官方文档里的 Z.ai Code Bench 数据显示，5.3 在 Max 档准确率 34.5%、每个任务平均输出约 7.5 万 token，前代 5.2 则是 23.4%、约 9 万 token 以上——准确率更高且单任务 token 更省，才是私有化成本能压下来的原因。做预算时应按“任务数 × 每任务 token”估算，而不是按百万 token 单价乘总调用量。更完整的部署成本账，见开源大模型 2026 部署成本对比。
私有化场景里，审计要能回答“谁在什么权限下、对哪个工作区、执行了什么”。它的钩子体系提供了落点：SessionStart、UserPromptSubmit、PreToolUse、PermissionRequest、PostToolUse、PostToolUseFailure、Stop 均可触发命令或进程，输入可包含提示词、工作路径、工具参数与结果。要注意的是，NOTICE.md 明确这只覆盖了部分准入路径——插件 Hook、MCP 配置与其他项目脚本走的是不同流程，且当前配置会把工作区级 MCP 纳入自动连接范围。因此审计日志不能只挂在 harness 上，还要让远端工作区、Web 服务端（ZCODE_SERVER_AUTH_TOKEN 认证）和网关层各自留痕。评审环节的责任归属另见机器写的补丁该由谁签发。
把上面的核对项换算成决策，20 人以下与 200 人以上是两条清晰的线。这条路线的取舍与 2026 年那个老问题同源——自建还是买平台，答案取决于你能承担多少运维。
| 路线 | 适配团队 | 成立条件与代价 |
|---|---|---|
| 托管 SaaS | 20 人以下 | 直接订阅 GLM Coding Plan 或走 API，单价可预期；不承担算子、CANN 与沙箱运维。代价是代码上下文出内网，敏感项目要排除 |
| 自托管开源 | 200 人以上，或强合规行业 | 以 Apache-2.0 自托管 harness + 自建推理网关，审计与数据边界完全自控。代价是需要专职平台工程维护权限模型、Hook 准入、双栈算子与版本矩阵 |
| 混合 | 20–200 人，最常见 | harness 自托管、模型走兼容 API（OpenAI / Anthropic 协议端点），把敏感仓库限定在本地工作区，其余走托管。代价是多一套路由与策略配置 |
分界线可以更具体一点：有没有人专门为这条链路写策略和做回归。没有，就走托管；有，才谈自托管。人数只是代理指标，真实门槛是运维能力。
thinking.type: disabled 起步的请求会直接失败；昇腾侧的量化缩放因子存储格式与 CUDA 不同，迁移时需适配数据布局。这两条加起来意味着：换模型必须带上精度与吞吐的回归集，而不是改个模型 ID 就上线。Q1：ZCode 开源后能不能完全离线私有化跑？
harness 层可以：仓库含桌面端、Web 端、终端与后端服务，支持本地、SSH / WSL 与容器远端工作区，Web 服务默认监听 127.0.0.1，可通过 --host 与令牌认证对外开放。但模型权重是否开放，官方文档本次未给出可引用的一手说明，需要以模型发布页为准。
Q2：Apache-2.0 商用有坑吗？
许可证层面允许商用、修改与分发；真正要分开看的是三件事——代码许可（LICENSE）、第三方组件与商标声明（NOTICE.md、third-party 目录），以及模型权重自身的许可。这三者不是同一份文件。
Q3：5.3 一定要开思考吗？
是。官方文档写明仅支持 thinking.type: enabled，reasoning_effort 取 low / high / max，默认 max，复杂 Coding 任务建议用 max。
Q4：昇腾现在能跑 coding agent 吗？
底层组件正在补齐：TileLang 昇腾 950 后端、DeepGEMM-Ascend、DeepEP-Ascend 等已开源，部分组件沿用英伟达版本的上层接口以降低迁移成本。但仍有内核仅支持 CUDA，且 CANN 版本与数据格式有约束，实际接入需按组件分别确认，并在自身负载上验证正确性与性能。
Q5：20 人团队要不要直接上自托管？
除非有硬性合规要求，不建议先上。先让 API + 托管 harness 把开发流程跑顺，等出现明确的“数据不能出网”约束、且有平台工程人手时，再评估自托管。
私有化 AI 编程链路的选型，本质是把“厂商公布的边界”换算成“自己团队能维护的边界”。蓝曜炬辉在承接企业 AI 应用与工程平台落地时，通常先陪团队做完上面四个核对项，再决定路线，而不是先买卡再补流程。