ZCode im Test: Lohnt sich Z.ais GLM-5.2-Harness?

Was ZCode eigentlich ist

ZCode ist eine desktopbasierte agentische Entwicklungsumgebung von Z.ai, ehemals bekannt als Zhipu AI. Statt als Chat-Panel an eine bestehende IDE angeflanscht zu sein, ist es eine eigenständige App, die einen Planungs- und Ausführungs-Agenten mit einem echten Terminal, einer Workspace-Ansicht und Aufgabenverwaltung verbindet, sodass ein Entwickler von einem Prompt bis zu einer geprüften Änderung kommt, ohne ein Fenster zu verlassen. Der Slogan der Startseite macht unverblümt klar, welches Publikum anvisiert wird: "Simple, Fast, Vibe-Ready!" – eine direkte Anlehnung an den Vibe-Coding-Rahmen statt einer Positionierung als sorgfältiges, prüfungslastiges Tool.

Der Kernmechanismus heißt bei ZCode Goals: ein System für "kontinuierliche Planung, Ausführung und Verifikation" über Aufgaben hinweg, die je nach den Dauer-Tags in der Task-Listen-Demo der Startseite zwischen zwei Minuten und einem vollen Tag dauern. In einem echten Produkt-Transkript durchsucht ein Agent namens "Ryan Bot" ein bestehendes Repo, führt echte Shell-Befehle wie git status --short aus (inklusive eines sauber behandelten fatal: not a git repository-Fehlers, als noch keines existierte), schreibt in einem Durchgang drei Dateien, verifiziert seine eigene Ausgabe selbst mit node --check app.js und schließt mit einem Änderungs-Chip ab, der "3 files changed +734 -7" anzeigt, sowie einem Undo-Button. Das ist eine vollständige Agent-Schleife von Anfang bis Ende, keine Einzelschuss-Vervollständigung.

Zwei Funktionen stechen aus dem Feld heraus. Erstens Remote-Bot-Steuerung: Man kann eine ZCode-Aufgabe von WeChat, Feishu oder Telegram aus starten oder steuern, was die Doku "Vibeworking" nennt, wenn es vom Handy aus geschieht, und das fast kein westliches Coding-Agent-Tool als Kernfunktion bewirbt. Zweitens ist die Modellbeziehung gegenüber den meisten Wettbewerbern umgekehrt: GLM-5.2 ist die Vorgabe, und das gesamte Produkt wird als "optimiert für GLM-5.2 bei Reasoning, Coding und Multi-Agent-Zusammenarbeit" beschrieben, obwohl ZCodes eigene Doku BYOK-Unterstützung für Anthropic-, DeepSeek-, Kimi- und OpenRouter-Keys bestätigt, falls man Modelle austauschen möchte. Es gibt native Installer für macOS (Apple Silicon und Intel), Windows (x64 und ARM64) sowie einen Linux-Beta-Build, alle in Version 3.3.3, mit einem Changelog-Banner, das "ZCode 3.0" als aktuelle Release-Linie kennzeichnet.

Genau diese vertikale Wette stellte ein Hacker-News-Kommentator, jedisct1, offen infrage: "GLM-5.2 is a great model! But it already works really well with existing harnesses, I'm not sure why a dedicated one is needed?" Eine berechtigte Herausforderung.

Tools wie Cursor, Claude Code und GitHub Copilot lassen einen bereits GLM-5.2 laufen lassen oder es gegen das austauschen, was im nächsten Quartal das Benchmark-Rennen gewinnt.

ZCode ist auch nicht allein mit der gegenteiligen Wette. Cognitions Devin Fusion koppelt ebenfalls einen eigenen Harness mit einem einzigen Modell, aus demselben Grund, den Z.ai nennt: engere Abstimmung zwischen Agent und Modell, als ein generischer Wrapper bieten kann.

Das "Goals"-System selbst ist im Grunde nur eine konkrete Umsetzung einer KI-Agent-Schleife: planen, handeln, beobachten, wiederholen, bis die Aufgabe nachweislich erledigt ist. Wie gut diese Schleife konstruiert ist, zählt mehr als das Modell darin, was mit erklärt, warum eine Codex-förmige UI um ein anderes Modell herum sich für Reviewer, die beides genutzt haben, nicht automatisch wie ein anderes Produkt anfühlt.

GLM-5.2: das Modell, das die Arbeit macht

GLM-5.2 erschien am 16. Juni 2026, und das Hauptversprechen ist ein nutzbares 1M-Token-Kontextfenster, hoch von 200K bei GLM-5.1. Z.ai räumt offen ein, dass die Zahl allein nicht der Punkt ist: "A 1M context is easy to claim, but much harder to keep reliable under real engineering pressure", und die IndexShare-Architektur des Modells, die denselben Attention-Indexer über jeweils vier Sparse-Attention-Schichten wiederverwendet, senkt den Rechenaufwand pro Token bei dieser Kontextlänge um das 2,9-Fache. Es erscheint unter einer MIT-Open-Source-Lizenz, mit öffentlichen Gewichten auf HuggingFace und ModelScope und ohne regionale Zugriffsbeschränkungen, was Z.ai "Pure Open" nennt.

Beim Coding speziell bietet GLM-5.2 konfigurierbare Effort-Stufen (High oder Max), und Z.ais eigene Aussage ist, dass seine agentische Coding-Leistung bei vergleichbaren Token-Budgets "ungefähr zwischen Claude Opus 4.7 und Claude Opus 4.8" liegt. Das Training hinter diesem Sprung nutzte Z.ais eigene "slime"-Infrastruktur, um über zehn Expertenmodelle per paralleler Distillation zu verschmelzen, abgeschlossen in etwa zwei Tagen – eine von mehreren Arten, wie maßgeschneiderte KI-Modelle für eine enge Aufgabe statt für allgemeinen Chat gebaut werden. Die unabhängig bewerteten Zahlen stützen das nah genug, um glaubwürdig zu sein:

FrontierSWE, das offene technische Projekte mit Laufzeiten von Stunden bis zu Dutzenden von Stunden testet, wurde von Drittanbieter Proximal statt von Z.ai selbst bewertet, was die stärkere der beiden Quellenangaben ist. GLM-5.2 liegt dort innerhalb eines Punktes von Opus 4.8 und erzielt tatsächlich den höchsten Wert der Tabelle bei AIME 2026, vor GPT-5.5 und Gemini 3.1 Pro. Z.ais durchgängige Einordnung über den gesamten Release hinweg lautet, dass GLM-5.2 "das bestplatzierte Open-Source-Modell" bei Coding-Aufgaben mit langem Zeithorizont ist und einen Großteil des Abstands zu Opus 4.8 schließt, ohne ihn ganz zu schließen. Es ist eine ähnliche Geschichte wie bei Gemini 3.1 Pros eigener Stellung gegenüber Opus: bei manchen Benchmarks vorn, bei anderen dahinter, nie ein klarer Durchmarsch in eine Richtung.

ZCode-Preise: der GLM Coding Plan

Der GLM Coding Plan hat drei Stufen und keinen kostenlosen Einstieg, allerdings erhalten neue Nutzer eine 5-Tage-Testphase (3 Mio. GLM-5.2-Token und 2 Mio. GLM-5-turbo-Token pro Tag, gedeckelt bei 5 Mio. insgesamt, die nach fünf Tagen abläuft). Die Standardansicht der Abo-Seite zeigt die Jahresabrechnungsrate; eine separate Monatsansicht zeigt den vollen Preis mit nur 10 % statt 30 % Rabatt.

Man beachte, was in dieser Tabelle fehlt: eine tatsächliche Zahl. Pro und Max werden als Vielfache von Lites "Basis-Nutzungskontingent" bepreist, aber diese Basis wird nirgends auf der Preisseite quantifiziert, nicht einmal im FAQ-Punkt, der wörtlich "What is the usage limit for the plan?" heißt. Auf Hacker News wies cube00 direkt darauf hin: "It's impressive all these companies are getting away with 'base usage allowance included'... layering the higher plans as a multiplier of that 'base' but never disclosing what it is. I guess the base is whatever the profit margin needs to be this month."

Auf X rahmte eine Antwort das Preis-Leistungs-Argument positiver: AndrewK404 schrieb, dass "considering that GLM-5.2 is on par with Opus 4.6, and its pricing is much lower, it's actually very competitive." Das ist eine faire Lesart des Listenpreises. Ob sie standhält, hängt vollständig von der Zahl ab, die Z.ai nicht veröffentlicht.

Wie der Launch tatsächlich ankam

ZCodes offizieller X-Launch-Post sammelte 5.739 Likes und rahmte den Release um drei Punkte: ein 1,5-faches Nutzungskontingent für bestehende Coding-Plan-Abonnenten, BYOK-Unterstützung und Verfügbarkeit auf macOS, Windows und Linux. Die substanziellste unabhängige Reaktion landete im zweiten von zwei Hacker-News-Threads (der erste geriet fast vollständig durch Lokalisierungsbeschwerden ins Abseits, weil die Seite standardmäßig auf Chinesisch lädt und keinen mobilfreundlichen Englisch-Umschalter hat, was einen Moderator dazu brachte, die Diskussion umzulenken), und es war ein gemischtes Bild, kein einseitiger Sieg.

Der detaillierteste Vergleich stammte von InsideOutSanta, der beide Modelle täglich nutzt:

"Opus refuses tasks for me pretty regularly. GLM 5.2 has never refused a task. So for anything security-related or that touches on topics that trigger Opus's safety guardrails, I use GLM 5.2. OTOH, for anything related to UI design, I use Opus 4.8... Opus 4.8 is, on average, about twice as fast as GLM 5.2 running on z'ai's infrastructure for the same task... On average, I think Opus 4.8 is still a better, more reliable, and faster model, but if it went away tomorrow and I only had GLM 5.2, I wouldn't be too sad about it."

InsideOutSanta, Hacker News

Die Oberfläche selbst erntete schärfere Kritik als das Modell:

"UI-wise this looks a lot closer to Codex than Claude Code. It's basically an exact copy of Codex."

paxys, Hacker News

"Even the hand icon, the usage in the text field, and the sidebar style are 1:1 identical to Codex. It's a misleading title, it's not close to Claude Code."

hazelnut, Hacker News

Zuverlässigkeitsbeschwerden häuften sich obendrauf:

"Their tui is quite heavy and crashing quite often as compared to claude code."

bitlad, Hacker News

Auf X beschrieb guybedo, dass er "jede Anfrage mindestens 3-mal wiederholen" musste, weil die API so instabil sei, und behauptete, der Max-Plan "verbrauche Token mindestens 5-mal schneller als Codex für 200 $ und Claude für 200 $."

Die Vertrauensfrage saß aber am tiefsten. tristor schrieb auf Hacker News: "There's no way I would ever put a piece of proprietary Chinese software that gets full system control on anything important. This is definitely something I would only ever run sandboxed in a lab environment for toy projects, not for serious work." Eine Antwort auf denselben Launch-Post auf X, von John_lussier, brachte es noch direkter auf den Punkt: "How to get maximal data from your environment and workflow to China in one easy step!!" Separat brachte lucasteske einen Fairness-Punkt zur Open-Source-Rahmung selbst vor: "It seems concerning that you are releasing closed source tools while advocating to open source."

ZCode-Vor- und Nachteile

Wofür es gut ist:

• Ein Modell, das Sicherheitsarbeit nicht verweigert. Mehrere Kommentatoren stellten unabhängig voneinander fest, dass GLM-5.2 sicherheitsnahe Aufgaben bearbeitet, die Opus manchmal ablehnt, ein echter, konkreter Vorteil für bestimmte Workloads.
• Eine echte, vollständige Agent-Schleife. Die Ryan-Bot-Demo zeigt Exploration, Ausführung, Selbstverifikation und einen prüfbaren Diff, keinen Einzelschuss-Codegenerator.
• Offene Gewichte bei einem leistungsfähigen Modell. MIT-lizenziert, keine regionale Sperrung, konkurrenzfähig mit geschlossenen Frontier-Modellen bei mehreren Coding-Benchmarks.
• Fernsteuerung, die die meisten westlichen Tools auslassen. Eine Aufgabe von WeChat, Feishu oder Telegram aus zu steuern, ist ein echtes Unterscheidungsmerkmal, kein Checkbox-Feature.

Wo es zu kurz kommt:

• Die Oberfläche ist eine dokumentierte Fast-Kopie von Codex, kein eigenständiges Design, was die "von den Machern von GLM"-Rahmung mancher Berichterstattung untergräbt.
• Zuverlässigkeitsbeschwerden sind konkret und aktuell: TUI-Abstürze, instabile API-Aufrufe, die mehrere Wiederholungen brauchen, und eine Token-Verbrauchsrate, die ein Nutzer auf das 5-Fache eines vergleichbaren Codex- oder Claude-Plans bezifferte.
• Preisstufen sind Multiplikatoren einer nicht offengelegten Basis, die meistgenannte Kritik der Community, was den Listenpreis schwer ehrlich zu bewerten macht.
• Es ist ein proprietärer, Closed-Source-Harness mit vollem Systemzugriff, gebaut von einem chinesischen Unternehmen, was mehrere Kommentatoren als klare Grenze für alles jenseits von Sandbox-Nebenprojekten behandelten.

Voller Systemzugriff ist die eigentliche Frage

Nimmt man das Benchmark-Rennen weg, dreht sich die Debatte, die ZCode ausgelöst hat, gar nicht wirklich um GLM-5.2s Coding-Qualität. Es geht darum, was passiert, wenn man irgendeiner KI, von irgendeinem Unternehmen, direkte Kontrolle über das eigene Dateisystem, das eigene Terminal und die eigene Git-Historie gibt, ohne dazwischenliegenden Prüfschritt. Das ist genau die Unterscheidung, die einen KI-Agenten von einem klassischen Chatbot trennt: Ein Chatbot antwortet und hört auf, ein Agent handelt, und Handeln ohne Kontrollpunkt ist der Punkt, an dem es schiefgeht. Eine legitime Frage, unabhängig davon, welche Flagge auf der Startseite des Unternehmens steht.

Wir stoßen beim Bau von KI-Agenten für den Kundenservice auf genau dieselbe Spannung, nur mit einem anderen Wirkungsradius. Ein Coding-Agent mit vollem Systemzugriff kann ein Repo löschen; ein Support-Agent mit voller Autonomie kann einem zahlenden Kunden öffentlich eine selbstsicher falsche Antwort schicken, mit dem Namen Ihres Unternehmens darunter. Wir haben ein unzureichend abgesichertes Modell genau das tun sehen: eine völlig fachfremde Support-Frage mit "Oxygen" beantworten, direkt aus dem Periodensystem übernommen, eine lehrbuchreife KI-Halluzination, weil eine Wissensdatenbank-Abfrage leer zurückkam und nichts es davon abhielt, die Lücke trotzdem zu füllen. Die Lösung ist in beiden Fällen von derselben Form, auch wenn die Umsetzung sich unterscheidet: ein Kontrollpunkt zwischen der Absicht des Agenten und der Handlung, die er gerade ausführen will, statt blindem Vertrauen in das Urteilsvermögen des Modells.

Das Fazit

ZCode ist ein legitimer, glaubwürdiger Neuzugang mit einem starken Modell dahinter. GLM-5.2 verdient sich seinen Anspruch als "stärkstes Open-Source-Modell bei Coding-Aufgaben mit langem Zeithorizont", und die MIT-Lizenz macht es zu einem der offeneren Frontier-Klasse-Modelle, die heute verfügbar sind, anders als die eng gehüteten Gewichte hinter den meisten OpenAI-Vergleichen, nach denen wir gefragt werden. Aber ZCode als Produkt ist schwerer uneingeschränkt zu empfehlen: Die Oberfläche lehnt sich stark an Codex' Designsprache an, die Zuverlässigkeitsbeschwerden der Launch-Woche sind konkret statt vage, und die Preisstufen werden als Vielfache einer Zahl verkauft, die Z.ai für sich behält.

Wenn Sie bereits im GLM-Ökosystem stecken oder eine echte günstigere Alternative zu Opus-Klasse-Preisen für sicherheitsnahe Arbeit suchen, die Opus tendenziell ablehnt, lohnt sich ein Test. Wenn Sie es rein gegen Cursor oder Devin Fusion bewerten, ist die modellagnostische Option, mit der Sie GLM-5.2 trotzdem laufen lassen können, ohne Ihren Workflow auf den Harness eines einzigen Unternehmens zu verwetten, der sicherere Standard. Es ist eine ähnliche Rechnung wie die, die wir bei Microsofts eigener Copilot-Familie anstellen würden: Ein First-Party-Bundle ist bequem, genau bis zu dem Punkt, an dem das Modell dahinter aufhört, das beste für den Job zu sein.

eesel ausprobieren

Ob der autonome Agent nun Code schreibt oder Support-Tickets beantwortet, dieselbe Regel gilt: ein Modell mit vollem Zugriff und ohne Kontrollpunkt ist ein Risiko, das nur auf den falschen Prompt wartet. eesel sitzt auf Ihrem bestehenden Helpdesk auf, ob Zendesk, Freshdesk, Gorgias, HubSpot oder Front, lernt vom ersten Tag an aus Ihrer echten Ticket-Historie und führt eine vollständige Simulation gegen Ihre vergangenen Tickets durch, sodass Sie genau sehen, was es geantwortet hätte, an echten historischen Fällen, bevor es je einen echten Kunden erreicht. Confidence-basiertes Routing bedeutet, dass es nur beantwortet, was es tatsächlich sicher weiß, und den Rest an einen Menschen übergibt, dieselbe Disziplin, die jeder Agent mit vollem Zugriff braucht, unabhängig davon, welches Modell oder welches Unternehmen es gebaut hat. Die Preise sind nutzungsbasiert bei 0,40 $ pro gelöstem Ticket, keine Sitzplatzgebühren, sodass Sie nicht für einen Benchmark-Wert zahlen, sondern für Tickets, die es tatsächlich korrekt geschlossen hat.