GLM-5.3-Flash Gratis di OpenCode

Pada 16 Oktober 2026, OpenCode memposting di X: “GLM 5.3 Flash is now free in OpenCode.” ID modelnya adalah opencode/glm-5.3-flash-free, dan dokumentasi OpenCode Zen menyatakan bahwa model tersebut “is free on OpenCode for a limited time.” Kami menginstal salinan bersih OpenCode pada hari yang sama, menjalankan model tanpa masuk dan tanpa kunci API, lalu memintanya menulis serta menguji berkas Node.js.

Satu koreksi sebelum Anda menelusuri “GLM 5.3 free”: model gratisnya adalah GLM-5.3-Flash, model multimodal yang lebih murah dari Z.ai. GLM-5.3 lengkap masih dikenakan biaya $1.40 per 1 juta token input. Flash gratis memiliki empat catatan penting. Model ini hanya bekerja di dalam OpenCode, membatasi konteks ke 200 ribu token alih-alih 1 juta, menolak lampiran PDF meski metadatanya mencantumkannya, serta menjawab dengan lambat dan tidak merata. Di bawah ini: panduan penyiapan, setiap batasan, dan jalur berbayar. Untuk latar belakang, baca penjelasan GLM-5.3-Flash. Jika kode Anda memanggil API, Apidog CLI memungkinkan agen yang sama mengujinya.

Yang OpenCode berikan gratis

GLM-5.3-Flash diluncurkan pada 26 Agustus 2026: model mixture-of-experts berparameter 320B dengan 18B parameter aktif, bobot berlisensi MIT, dan input gambar native. OpenCode menyajikannya melalui gateway model OpenCode Zen dalam versi gratis dan berbayar. Berikut perbandingan jalurnya:

Batasan tersebut berasal dari metadata model yang dikirim OpenCode, yang bisa dicetak dengan opencode models opencode --verbose. Harga berasal dari dokumentasi Zen, dokumentasi OpenCode Go, dan halaman harga Z.ai, diperiksa pada 16 Oktober.

Periode gratis kedua untuk model ini

OpenCode pernah memberikan model ini gratis sebelumnya dengan nama lain. Sejak 20 Agustus 2026, model anonim bernama Ox Alpha muncul di daftar gratis OpenCode dan OpenRouter dengan jendela 1 juta token, sampai Z.ai mengungkapnya sebagai GLM-5.3-Flash pada 26 Agustus. Uraian Ox Alpha kami membahas peluncuran itu. Kali ini, model gratis dengan namanya sendiri dan jendela 200 ribu alih-alih 1 juta.

Cara menggunakan GLM-5.3-Flash gratis di OpenCode

Baru mengenal alat ini? Pengantar OpenCode kami menjelaskan fungsi agen tersebut. Penyiapan memerlukan tiga langkah.

1. Instal OpenCode

curl -fsSL https://opencode.ai/install | bash

npm install -g opencode-ai dan brew install anomalyco/tap/opencode juga bisa dipakai. Di Windows, OpenCode merekomendasikan WSL.

2. Segarkan daftar model dan pilih modelnya

OpenCode menyimpan daftar model dalam cache, dan instalasi baru kami tidak menampilkan model GLM sampai kami menyegarkannya:

opencode models opencode --refresh | grep free

Perintah itu mencetak sebelas model gratis, termasuk opencode/glm-5.3-flash-free. Buka proyek, jalankan opencode, ketik /models, lalu pilih GLM-5.3-Flash Free. Untuk menjadikannya bawaan proyek, tambahkan berkas opencode.json di root proyek:

{
  "$schema": "https://opencode.ai/config.json",
  "model": "opencode/glm-5.3-flash-free"
}

3. Jalankan tugas

Atau kirim tugas sekali jalan dari shell:

opencode run -m opencode/glm-5.3-flash-free \
  "Create status.js exporting isClientError(code) for 4xx codes, add a node:assert self-test, then run it"

Apa yang ditunjukkan pengujian kami

Kami menjalankan OpenCode 1.19.2, rilis npm opencode-ai terbaru, dengan direktori konfigurasi dan data kosong. Tidak ada permintaan masuk atau menambahkan kunci. Pada setiap eksekusi, model menulis status.js, menjalankannya dengan node, dan melaporkan semua uji lulus.

Kecepatan adalah kelemahannya. Kami mengukur model gratis baru lain dari OpenCode dengan prompt yang sama:

Setiap eksekusi GLM berakhir dengan jawaban benar. Masalahnya adalah waktu tunggu, dan waktu itu berubah di setiap eksekusi.

Batasan di balik “gratis”

Respons lambat dan tidak merata

“Flash” pada nama model ini merujuk pada harga, bukan kecepatan. OpenCode menyediakan tiga varian penalaran untuk model gratis (low, high, dan max), sedangkan dokumentasi model Z.ai merekomendasikan max. Menurunkannya tidak memperbaiki waktu tunggu: satu eksekusi --variant low memerlukan 196 detik untuk menjawab pertanyaan satu baris yang dijawab eksekusi lain dalam 11 detik. Ini menunjukkan beban pada endpoint gratis, bukan kedalaman penalaran. Berikan model gratis pekerjaan yang tidak perlu Anda tunggui. Perbandingan GLM-5.3-Flash vs GLM-5.3 kami membahas perbedaan kedua model.

Hanya bekerja di dalam OpenCode

Dokumentasi Zen mencantumkan model gratis di samping endpoint yang kompatibel dengan OpenAI, tetapi ini bukan API gratis. Panggil dari apa pun selain OpenCode dan gateway akan menolak:

curl https://opencode.ai/inference/openai/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{"model": "glm-5.3-flash-free", "messages": [{"role": "user", "content": "ping"}]}'

{"type":"error","error":{"type":"FreeTierError","message":"OpenCode's free tier can only be used from within OpenCode. Download it at https://opencode.ai and keep building."}}

Pada 16 Oktober, kami menerima HTTP 403 dari endpoint /inference dan /zen, dengan maupun tanpa header Authorization. Backend, skrip, dan agen lain Anda tidak dapat memakai model gratis ini. Untuk menjalankan GLM-5.3-Flash di agen lain, lihat cara menggunakan GLM-5.3-Flash di Claude Code dan Cline dengan kunci berbayar.

Konteksnya 200K dan output berhenti di 32K

Model berbayar menerima konteks 1 juta token dan mengembalikan hingga 131K; versi gratis berhenti pada input 200K dan output 32K. Itu mencakup sebagian besar sesi pemrograman, tetapi lebih cepat habis pada monorepo besar atau sesi panjang yang membaca banyak berkas. Saat tugas membutuhkan jendela penuh, alihkan sesi itu ke model berbayar dengan /models.

Lampiran PDF gagal; gambar bekerja

Metadata OpenCode mencantumkan input teks, gambar, video, dan PDF untuk model gratis. Dalam pengujian kami, gambar bekerja dan PDF tidak. Melampirkan spesifikasi PDF satu halaman dengan opencode run -f menghasilkan:

Upstream request failed: [invalid_value] messages[1]: content[2]: content part type "file" is not supported; only text and image_url are

Halaman yang sama ketika dikonversi ke PNG berhasil diproses, dan model mengubahnya menjadi berkas OpenAPI valid. Jadi, ekspor dulu halaman PDF yang Anda butuhkan sebagai gambar. Di macOS, sips -s format png spec.pdf --out spec.png mengonversi halaman pertama. Kami tidak menguji video.

Gratis untuk waktu terbatas, tanpa tanggal akhir

Model GLM gratis dari OpenCode pernah berakhir sebelumnya. glm-4.7-free dan glm-5-free kini berstatus deprecated di katalog models.dev yang dibaca OpenCode, dan minggu gratis Ox Alpha berlangsung enam hari. Simpan nama model di opencode.json, bukan di skrip, agar pindah ke model berbayar hanya perlu edit satu baris.

Privasi lebih baik daripada sebagian besar opsi gratis

Untuk model ini, dokumentasi Zen mengatakan penyedianya “follows a zero-retention policy and does not use your data for model training.” Tidak semua model gratis dalam daftar memberi janji itu; Big Pickle, Exo Free, dan model MiMo menyatakan data yang dikumpulkan “may be used to improve the model.” OpenCode mengatakan semua model Zen di-host di AS dan UE. Dokumentasi Zen maupun Go tidak mempublikasikan batas laju untuk model gratis, jadi siapkan perlambatan saat permintaan melonjak.

Biaya model yang sama saat Anda membutuhkan API

Di dalam produk Anda, jalur berbayar diperlukan. API Z.ai dan glm-5.3-flash berbayar di Zen membebankan tarif yang sama: $0.15 per 1 juta token input dan $0.50 per 1 juta token output. Z.ai menghitung input cache sebesar $0.03.

Inilah perhitungan untuk satu giliran agen dengan 20.000 token input dan 2.000 token output:

• 0.02 x $0.15 + 0.002 x $0.50 = $0.004 per giliran
• Seribu giliran: $4.00 sebelum diskon cache

Sesi agen mengirim ulang sebagian besar konteksnya setiap giliran, sehingga input cache $0.03 memangkas sisi input tagihan itu sebesar 80%. Jika Anda memrogram di OpenCode setiap hari dan promosi berakhir, paket Go adalah pilihan tengah: $10 per bulan dengan batas pemakaian bulanan $60 untuk GLM-5.3-Flash, yang OpenCode perkirakan setara sekitar 31.580 permintaan. Paket yang sama mencakup sekitar 1.080 permintaan per bulan untuk GLM-5.3 lengkap.

Untuk riwayat diskon peluncuran dan perhitungan cache, lihat panduan harga GLM-5.3-Flash. Untuk kode permintaan dengan input gambar, lihat cara menggunakan API GLM-5.3-Flash.

Biarkan OpenCode menguji API dengan Apidog CLI

Pengujian tangkapan layar kami menunjukkan mengapa agen harus menguji apa yang ditulisnya. Saat membaca gambar spesifikasi, model menuliskan maksimum weight_grams sebagai 300.000 alih-alih 30.000 dan menandai kolom opsional sebagai wajib. Kedua kesalahan lolos validasi JSON. Uji batas terhadap API asli akan menangkapnya.

Apidog CLI memberi OpenCode perintah untuk mengimpor spesifikasi, menulis kasus uji, dan menjalankannya. Siapkan sekali:

npm install -g apidog-cli@latest
apidog login --with-token <YOUR_TOKEN>
npx -y skills add https://apidog.com   # pick your agent when prompted

Token berasal dari Apidog pada Account Settings, API Access Token. Baris terakhir menginstal agent skill Apidog yang mengajari OpenCode cara mengoperasikan CLI. Kemudian lampirkan tangkapan layar (-f spec.png dengan opencode run) dan beri agen satu [REDACTED PROMPT].json, import it into Apidog project <id> with Apidog CLI, then create test cases for POST /v2/shipments: weight_grams 30000 returns 201, 30001 returns 422. Run them against the sandbox environment and list any spec fields the results contradict.

Inilah perintah yang dijalankannya, diperiksa dengan Apidog CLI 2.2.7:

apidog import --project <id> --format openapi --file ./shipments.openapi.json
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <id> --file case.json
apidog run --test-case <caseId> --project <id> -e <envId> -r cli,json

Setiap perintah mengembalikan JSON dan banyak di antaranya memuat agentHints.nextSteps, sehingga agen tahu apa yang harus dijalankan berikutnya. Jika CLI menolak penulisan di branch main, minta agen bekerja di branch AI (apidog branch create --project <id> --type ai --name ai/shipments-spec --from main). Baris apidog run yang sama dengan -r junit bisa dipakai di CI; artikel pipeline CI/CD Apidog CLI kami memiliki versi siap salin.

FAQ

Apakah GLM-5.3 gratis di OpenCode? Hanya model Flash. opencode/glm-5.3-flash-free gratis sejak 16 Oktober 2026 sebagai penawaran waktu terbatas tanpa tanggal akhir. GLM-5.3 lengkap dikenakan $1.40 input dan $4.40 output per 1 juta token di Zen.

Bisakah saya memanggil model gratis dari kode saya sendiri? Tidak. Permintaan dari luar OpenCode mendapat FreeTierError 403. Gunakan API Z.ai atau glm-5.3-flash berbayar di Zen, keduanya $0.15 input dan $0.50 output per 1 juta token.

Mengapa lambat sekali? Beban hari peluncuran, sejauh yang bisa kami tentukan. Pertanyaan pendek satu baris memakan 7 sampai 196 detik, dan --variant low tidak membuat eksekusi konsisten lebih cepat.

Apakah ada cara lain menggunakan GLM-5.3-Flash gratis? Ada. Bobot berlisensi MIT bisa dijalankan pada perangkat keras Anda sendiri, dan panduan kami tentang menjalankan GLM-5.3-Flash secara lokal membahas build terkuantisasi dan memori yang dibutuhkan.

Gunakan selama masih tersedia

Model gratis lulus uji pemrograman kami setiap kali dan menyusun OpenAPI dari tangkapan layar spesifikasi, dengan biaya $0 selama Anda tetap di dalam OpenCode, di bawah 200 ribu token, dan menghindari lampiran PDF. Berikan pekerjaan yang tidak perlu Anda tunggu, simpan nama model di opencode.json, dan tambahkan Apidog CLI agar agen menguji apa yang ditulisnya. Unduh Apidog untuk meninjau spesifikasi yang diimpor agen dan laporan uji yang diunggahnya dengan --upload-report.