在 Trae 中使用 GLM 4.5 解锁更智能的编程 Agent

GLM 4.5 是一款前沿的大语言模型，内置了 Agent 能力——这意味着它能够在真实的编码工作流中进行推理、采取行动并使用工具。在涵盖从前端开发到算法设计的 52 个真实编程任务的基准测试中，GLM 4.5 的表现与 Claude 4 Sonnet、Kimi K2 和 Qwen3-Coder 等顶级模型不相上下。

通过与 Claude Code 和 Trae 等工具的无缝集成，GLM 4.5 成为了一个极具能力的代码 Agent。本指南将引导你完成在 Trae（最灵活且开发者友好的 AI 辅助 IDE 之一）中测试和运行 GLM 4.5 的步骤。

GLM 4.5 真的会改变代码 AI Agent 的未来吗？

为了评估 GLM-4.5 的 Agent 编码能力，我们使用 Claude Code 对 Claude-4-Sonnet、Kimi K2 和 Qwen3-Coder 进行了 52 个编码任务的性能评估，任务涵盖前端开发、工具开发、数据分析、测试和算法实现。所有评估均在隔离的测试环境中进行，通过多轮人机交互并采用标准化评估标准，以确保一致性和可重复性——来自 Z AI

1. 强劲的正面交锋表现

• 对比 Claude 4 Sonnet： GLM-4.5 获胜 40.4%，但落败 50%，表明其性能与领先模型相当。
• 对比 Kimi K2： GLM-4.5 获胜 53.9%，显示出明显优势。
• 对比 Qwen3-Coder： GLM-4.5 以 80.8% 的胜率占据绝对领先。

这表明在真实开发场景中，GLM-4.5 的表现优于或匹敌顶级编码 Agent。

2. 最佳工具使用效率

• 最高的工具调用成功率： 90.6%，优于 Claude 4 Sonnet (89.5%)，远高于 Qwen3-Coder (77.1%)。
  • 这在 Agent 编码中至关重要，无缝的工具集成往往决定了可靠性。

3. 均衡的 Token 使用

• 消耗的 Token 比 Claude 多，但远少于 Qwen3-Coder。
  • GLM-4.5： 1.39M Token/交互
  • Claude： 696K
  • Qwen3-Coder： 2.07M

它找到了一个折中点：强大到足以高效，但成本不会过高。

为什么 GLM 4.5 与 Claude Code 或 Trae 搭配效果最佳？

1. 针对 Agent 交互进行了优化
GLM 4.5 被设计为能够像 Agent 一样运作——能够执行操作、使用工具和管理任务。Claude Code 和 Trae 的构建方式支持这种 Agent 行为，允许与 API、外部工具和复杂工作流无缝集成。

2. 丰富的工具链和 API 支持
这些平台提供了预配置的工具链和 API 访问。GLM 4.5 可以直接调用这些工具来自动执行测试、部署、文档编写和数据分析等任务——最大化其作为智能编码助手的效用。

3. 高保真编码接口
Claude Code 和 Trae 提供具有以下特性的环境：

• 上下文感知的自动补全
• 语法检查和代码检查
• 多语言支持
  这与 GLM 4.5 的高级代码生成和重构能力完美匹配，提高了准确性和开发人员生产力。

4. 实时反馈循环
GLM 4.5 受益于这些平台提供的实时反馈能力。无论是调试、优化代码还是建议架构更改，模型都可以根据系统响应即时调整其输出。

5. 可扩展的协作
Claude Code 和 Trae 都提供协作功能，如共享工作区、实时编辑和任务分配。这增强了 GLM 4.5 作为团队编码助手的角色，支持工程师在个人和团队环境中工作。

6. 针对性能优化的专门构建
这些环境经过调优，可从像 GLM 4.5 这样的大语言模型中获取最大收益。这包括高效管理上下文长度、缓存交互以及简化工具调用——确保即使面对大型项目也能获得快速、稳定的性能。

你应该选择哪一个：Claude Code 还是 Trae？

什么是 Claude Code？

作为 CLI Agent 接口设计，Claude Code 通过其兼容 Anthropic 的框架实现工具和工作流的无缝编排，而 GLM‑4.5 支持开箱即用。

什么是 Trae？

Trae 积极集成 GLM‑4.5 支持反映了对低成本、高性能 Agent 模型日益增长的需求。用户可以将 GLM‑4.5 插入到他们的自动化栈中，而无需改造现有基础设施。

1. 终端驱动的自动化与全仓库工作流

• 优先选择：Claude Code
  Claude Code 擅长基于 CLI 的 Agent 工作流：编辑文件、运行测试、应用重构、管理 Git（提交、PR）以及端到端调试——全部通过终端中的自然语言命令完成，UI 摩擦最小。

理想任务：基于 CLI 的原型设计、错误修复、Git 集成的代码修改、持续集成流程。

2. GUI/IDE 编码、实时自动补全与 Builder 模式

• 优先选择：Trae
  作为围绕 VS Code 构建的完整 IDE，Trae 提供基于编辑器的聊天、内联代码补全、注释驱动的生成，以及 Builder 模式——工具可将命令分解为步骤、预览建议的更改并自动应用。

理想任务：基于编辑器的编码、实时测试生成、重构、跨多个文件的功能搭建、带有更改预览的迭代开发。

3. 概念规划或结构原型设计

• 优先选择：Claude Code
  许多用户利用 Claude Code 通过高级提示快速原型化功能，而无需编写详细的设计文档。它特别适合从概念出发探索架构替代方案或生成简单的 MVP。

4. 深度调试、测试驱动迭代与提交建议

• 优先选择：Claude Code
  Claude Code 提供强大的测试自动化、堆栈跟踪分析以及带有自然语言上下文的 Git 提交/PR 生成。许多用户偏爱它用于场景驱动的错误分类和基于测试的代码演进。

5. 自定义 Agent 工作流、多 LLM 使用与开发者实验

• 优先选择：Trae
  Trae 的开源 CLI 模式（MIT 许可）支持本地 LLM、OpenAI、Claude 等，可使用 bash 脚本编写，并记录执行路径。它在 SWE-bench 上排名靠前，具有自主解决问题的能力以及灵活的工具编排。

6. 成本敏感或开源项目环境

• 优先选择：Trae
  Trae 免费、完全开源且无供应商锁定。非常适合寻求完全控制部署、API 使用和成本结构的开发者和团队——尤其是使用本地托管模型时。

如果你主要在终端工作，需要集成的测试和版本控制支持，或者希望通过语言驱动的命令在 macOS/Linux 上快速原型设计，那么首选 Claude Code。

如果你偏好 GUI 编码体验、计划在 Windows 上工作、需要实时的内联建议、希望完全开源灵活，或者需要多模型集成和可定制的工作流，那么选择 Trae。

如何在 Claude Code 和 Trae 中使用 GLM 4.5？

Novita AI 是一个云平台，提供对广泛开源 AI 模型（包括 LLaMA、DeepSeek、Mistral、Qwen 等大语言模型 (LLM)）的 API 访问。通过 Novita AI，你可以注册账号、生成 API 密钥，并从数十个托管模型中选择集成到你的工具中。

Novita AI 集成了 Anthropic API，可在 Claude Code 和 Trae 中使用 GLM 4.5，超越了众多行业提供商。它还提供了具有 **131K 上下文 ** 的 API，成本为 **$0.6/输入 ** 和 $2.2/输出，为充分发挥 GLM 4.5 的代码 Agent 潜力提供了有力支持。

前提条件——获取 Novita AI API 密钥

步骤 1：登录你的账户并点击模型库按钮。

立即尝试 GLM 4.5！

步骤 2：选择你的模型

浏览可用选项并选择适合你需求的模型。

步骤 3：开始免费试用

开始免费试用以探索所选模型的能力。

步骤 4：获取你的 API 密钥

为了通过 API 进行身份验证，我们将为你提供一个新的 API 密钥。进入“设置”页面，你可以复制如图所示的 API 密钥。

步骤 5：安装 API

使用特定于你的编程语言的包管理器安装 API。

安装后，将必要的库导入到你的开发环境中。使用你的 API 密钥初始化 API，以便开始与 Novita AI LLM 交互。这是针对 Python 用户使用聊天补全 API 的示例。

from openai import OpenAI
  
client = OpenAI(
    base_url="https://api.novita.ai/v3/openai",
    api_key="session_UsudmdAIggvSInjIdO2HWaTCyXxTFOXDV8TH8UCPbA576Rs4AGqSA5ThNbelSDgdEGAWQcWXnAU2bHi5BueceA==",
)

model = "zai-org/glm-4.5"
stream = True # or False
max_tokens = 65536
system_content = ""Be a helpful assistant""
temperature = 1
top_p = 1
min_p = 0
top_k = 50
presence_penalty = 0
frequency_penalty = 0
repetition_penalty = 1
response_format = { "type": "text" }

chat_completion_res = client.chat.completions.create(
    model=model,
    messages=[
        {
            "role": "system",
            "content": system_content,
        },
        {
            "role": "user",
            "content": "Hi there!",
        }
    ],
    stream=stream,
    max_tokens=max_tokens,
    temperature=temperature,
    top_p=top_p,
    presence_penalty=presence_penalty,
    frequency_penalty=frequency_penalty,
    response_format=response_format,
    extra_body={
      "top_k": top_k,
      "repetition_penalty": repetition_penalty,
      "min_p": min_p
    }
  )

if stream:
    for chunk in chat_completion_res:
        print(chunk.choices[0].delta.content or "", end="")
else:
    print(chat_completion_res.choices[0].message.content)
  
  

Claude Code 指南

步骤 1：安装 Claude Code

在安装 Claude Code 之前，请确保你的系统满足最低要求。你的本地环境必须安装 Node.js 18 或更高版本。你可以在终端中运行 node --version 来验证 Node.js 版本。

对于 Windows

打开命令提示符并执行以下命令：

npm install -g @anthropic-ai/claude-code
npx win-claude-code@latest

全局安装可确保 Claude Code 可以从系统的任何目录访问。npx win-claude-code@latest 命令下载并运行特定于 Windows 的最新版本。

对于 Mac 和 Linux

打开终端并运行：

npm install -g @anthropic-ai/claude-code

Mac 用户可以直接进行全局安装，无需额外平台特定命令。安装过程会自动配置必要的依赖项和 PATH 变量。

步骤 2：设置环境变量

环境变量配置 Claude Code 通过 Novita AI 的 API 端点使用 Kimi-K2。这些变量告诉 Claude Code 将请求发送到哪里以及如何进行身份验证。

对于 Windows

打开命令提示符并设置以下环境变量：

set ANTHROPIC_BASE_URL=https://api.novita.ai/anthropic
set ANTHROPIC_AUTH_TOKEN=<Novita API Key>
set ANTHROPIC_MODEL="zai-org/glm-4.5"
set ANTHROPIC_SMALL_FAST_MODEL="zai-org/glm-4.5"

将 <Novita API Key> 替换为你从 Novita AI 平台获得的实际 API 密钥。这些变量在当前会话期间保持激活状态，如果关闭命令提示符则必须重新设置。

对于 Mac 和 Linux

打开终端并导出以下环境变量：

export ANTHROPIC_BASE_URL="https://api.novita.ai/anthropic"
export ANTHROPIC_AUTH_TOKEN="<Novita API Key>"
export ANTHROPIC_MODEL="zai-org/glm-4.5"
export ANTHROPIC_SMALL_FAST_MODEL="zai-org/glm-4.5"

步骤 3：启动 Claude Code

安装和配置完成后，你现在可以在项目目录中启动 Claude Code。使用 cd 命令导航到所需项目位置：

cd <你的项目目录>
claude .

点 (.) 参数指示 Claude Code 在当前目录中运行。启动后，交互式会话中会出现 Claude Code 提示符。

这表明工具已准备好接收你的指令。该界面为自然语言编程交互提供了简洁、直观的环境。

步骤 4：在 VSCode 或 Cursor 中使用 Claude Code

Claude Code 与流行的开发环境无缝集成。它增强了你现有的工作流，而不是取代它。

你可以直接在 VSCode 或 Cursor 的终端中使用 Claude Code。这使你可以访问熟悉的开发工具，同时利用 AI 辅助。

此外，Claude Code 插件可用于 VSCode 和 Cursor。这些插件提供了与这些编辑器的更深层集成，在你的 IDE 界面中提供内联 AI 辅助、代码建议和项目管理功能。

Trae 指南

步骤 1：打开 Trae 并访问模型

启动 Trae 应用程序。点击右上角的 **切换 AI 侧边栏 ** 以打开 **AI 侧边栏 **。然后，转到 AI 管理 ** 并选择 ** 模型。

步骤 2：添加自定义模型并选择 Novita 作为提供商并选择模型

点击 添加模型 ** 按钮创建一个自定义模型条目。在添加模型对话框中，从下拉菜单中选择 ** 提供商 = Novita。

从模型下拉菜单中选择你想要的模型（DeepSeek-R1-0528、Kimi K2、GLM 4.5、DeepSeek-V3-0324 或 MiniMax-M1-80k）。如果确切模型未列出，只需输入你从 Novita 库中记下的模型 ID。确保选择你想要使用的正确模型变体。

步骤 3：输入你的 API 密钥

从你的 Novita 控制台复制 Novita AI API 密钥，并将其粘贴到 Trae 的 API 密钥字段中。

获取 Novita AI API 密钥！

步骤 4：保存配置

点击 添加模型 保存。Trae 将在后台验证 API 密钥和模型选择。

GLM 4.5 以其工具使用智能、竞争性准确性和均衡的资源消耗脱颖而出。Trae 为开发者提供了完美的环境来探索这种能力——这要归功于它的：

• 实时代码编辑和 Builder 模式
• 多模型支持（包括 Novita 托管的 GLM 4.5）
• 零供应商锁定和开源特性

无论你是在构建功能、调试、编写测试还是实验 AI 自动化，Trae + GLM 4.5 都能为你提供更快完成更多工作的灵活性和性能。

常见问题解答

GLM 4.5 在编码方面有什么特别之处？

GLM 4.5 支持工具调用、多步推理、调试和 PR 生成。在 52 个真实编码任务的基准测试中，它的表现优于或匹敌 Claude 4、Kimi K2 和 Qwen3-Coder。

为什么使用 Trae 而不是 Claude Code？

如果你偏好 **GUI/IDE 体验 **、实时代码编辑、模型切换或开源工具，请使用 Trae。如果你喜欢 ** 终端工作流 **、命令行自动化或基于 Git 的任务处理，请选择 Claude Code。

GLM 4.5 速度快且价格合理吗？

是的。它比大多数大模型运行速度更快，并且更具成本效益：
约 90.6% 的工具调用成功率
均衡的 Token 使用量（1.39M/交互）
通过 Novita AI 提供有竞争力的定价（**$0.6/输入 ** 和 $2.2/输出 价格）

Novita AI 是赋能 AI 雄心的全合一云平台。集成 API、无服务器、GPU 实例——你所需的成本效益工具。消除基础设施，免费开始，让你的 AI 愿景成为现实。

推荐阅读

微调 DeepSeek R1-0528：更具成本效益的解决方案

Deepseek R1 0528 vs O3：中国模型能击败最佳模型吗？

DeepSeek R1 0528 成本：API、GPU、本地部署对比