一句话看懂：智谱AI旗下编程工具ZCode发布重大更新，推出Goal模式、Subagents等四项新功能，并宣布GLM编程套餐配额重置与限时1.5倍提升。在同等GLM-5.2模型条件下，ZCode的基准测试通过率比配对Claude Code高出2.39%，缓存命中率达98.10%。
事件核心：发生了什么
8月11日，智谱AI宣布其编程工具ZCode完成一次大版本升级，正式上线Goal模式、Subagents、Remote Control（远程控制）和Idle Task（空闲任务）四项核心功能。ZCode定位为GLM系列的“Coding Harness”编码编排框架，负责上下文管理、工具调用、任务调度与结果验证。
据智谱发布的内部基准测试数据，在相同GLM-5.2模型下，搭配ZCode的任务整体通过率比搭配Claude Code高2.39%，在跨文件协作、全栈开发等复杂长程任务上优势更明显。针对GLM的上下文缓存复用，ZCode实现了98.10%的缓存命中率，使GLM的有效token数提升约30%。
此次更新的重点是“自主交付”能力：Goal模式允许开发者设定可验证目标，由ZCode自动完成任务分解、代码改动、测试与迭代优化，无需实时干预；Subagents支持并行调用通用执行代理、只读探索代理或自定义代理；Remote Control支持通过微信、飞书等入口远程访问桌面工作区，所有代码仍在本地/SSH/WSL/Docker环境运行；Idle Task则可在低峰时段自动执行非紧急长时任务，权限范围内不扣除用户额度。为庆祝用户数突破一百万，ZCode已于今日13:00重置所有用户的GLM Coding Plan配额，即日起至2026年8月31日，使用GLM Coding Plan可享1.5倍临时配额，叠加缓存优化后总可用量约为常规配额的1.8倍。
为什么重要
ZCode与Claude Code的对比结果，反映了国产大模型在编程代理赛道上从“模型能力比拼”转向“工程化体验比拼”。Coding Harness类的编排框架直接决定了大模型在真实任务中的落地效果，上下文管理与缓存命中率又同时影响成本与响应速度——98.10%的缓存命中率意味着更低的推理成本和更快的启动响应，这对依赖API调用的开发者有直接价值。
此次升级也显示编程代理正从“辅助补全”走向“自主交付”。Goal模式将开发者从逐行监督中解放出来，让AI承担更多任务规划与验证工作，这是Coding Agent产品形态的一次明确演进方向。同时，智谱借ZCode强化GLM生态的绑定深度，而非仅以API方式对外提供模型能力，这种“模型+工具链”一体化的打法正在成为大模型厂商竞争的新焦点。
对用户/开发者/创作者的影响
对日常使用GLM系列模型的开发者而言，最直接的变化是配额重置与1.5倍临时提升，叠加缓存优化后，同等预算下可处理的代码量接近原来的1.8倍。ZCode的缓存命中率优势也让长会话、多轮重构场景下的响应速度和费用都更可控。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
Goal模式和Subagents功能降低了多智能体协作的使用门槛：开发者可以用自然语言设定验收标准，让ZCode自行拆解任务、调用代理并行执行，适合全栈开发、批量重构和复杂Bug定位等场景。Remote Control则提供了一种“移动端下发指令、PC端执行代码”的工作流，对需要在通勤或会议间隙跟进进度的开发者有实际价值。
需要留意的是，目前公开的通过率与缓存数据均来自智谱内部测试，第三方独立验证尚未见到。对于生产环境仍建议先在非关键项目上做小范围试用。
值得关注的后续
第一，ZCode是否会保持与GLM系列的深度绑定，还是未来向更多模型开放？这决定了它能否成为跨模型的标准编程层。第二，98.10%的缓存命中率在多用户高并发场景下能否维持稳定，将直接影响开发者的真实使用成本。第三，Claude Code、Cline等竞品是否会跟进类似的配额策略或缓存优化方案，行业竞争格局是否因此生变。
来源：AIbase
