在 Trae 中使用 GLM 4.5，解鎖更聰明的程式碼智能代理

GLM 4.5 是一款尖端的大型語言模型，內建智能代理能力——代表它能推理、採取行動，並在實際編碼工作流程中使用工具。在橫跨 52 項真實程式設計任務（從前端開發到演算法設計）的基準測試中，GLM 4.5 的表現與 Claude 4 Sonnet、Kimi K2 和 Qwen3-Coder 等頂尖模型不相上下。

藉由與 Claude Code 和 Trae 等工具的無縫整合，GLM 4.5 成為功能強大的程式碼代理。本指南將帶您在 Trae（最靈活且對開發者友善的 AI 輔助編碼 IDE 之一）中測試並運行 GLM 4.5。

GLM 4.5 真的會改變程式碼 AI 代理的未來嗎？

為了評估 GLM-4.5 的智能代理編碼能力，我們使用 Claude Code 對其與 Claude-4-Sonnet、Kimi K2 和 Qwen3-Coder 在 52 項編碼任務中的表現進行評估，任務涵蓋前端開發、工具開發、資料分析、測試和演算法實作。所有評估均在隔離測試環境中透過多人輪次互動進行，採用標準化評估標準以確保一致性與可重現性——來自 Z AI

1. 強勁的正面交鋒表現

• 與 Claude 4 Sonnet 相比： GLM-4.5 獲勝率為 40.4%，但輸掉 50%，顯示與領先模型相比具有競爭力。
• 與 Kimi K2 相比： GLM-4.5 獲勝率為 53.9%，展現明顯優勢。
• 與 Qwen3-Coder 相比： GLM-4.5 以 80.8% 的勝率佔據主導地位——絕對領先。

這表示在實際開發場景中，GLM-4.5 的表現超越或持平頂尖編碼代理。

2. 最佳工具使用效率

• 最高工具呼叫成功率： 90.6%，優於 Claude 4 Sonnet (89.5%)，並大幅領先 Qwen3-Coder (77.1%)。
  • 這在代理式編碼中至關重要，因為無縫的工具整合往往決定了可靠性。

3. 平衡的 Token 使用量

• 使用的 Token 比 Claude 多，但遠少於 Qwen3-Coder。
  • GLM-4.5： 1.39M tokens/互動
  • Claude： 696K
  • Qwen3-Coder： 2.07M

它在強大與成本之間取得了平衡：足以發揮效能，但不會過於昂貴。

為什麼 GLM 4.5 與 Claude Code 或 Trae 搭配最佳？

1. 專為代理互動優化
GLM 4.5 設計為可以像代理一樣運作——能夠採取行動、使用工具和管理任務。Claude Code 和 Trae 的設計支援這種代理行為，允許與 API、外部工具和複雜工作流程無縫整合。

2. 豐富的工具鏈與 API 支援
這些平台提供了預先配置的工具鏈與 API 存取。GLM 4.5 可以直接調用這些工具來自動化測試、部署、文件和資料分析等任務，最大化其作為智能編碼助手的效用。

3. 高保真編碼介面
Claude Code 和 Trae 提供具備以下功能的環境：

• 上下文感知自動完成
• 語法檢查和 linting
• 多語言支援
  這與 GLM 4.5 先進的程式碼生成和重構能力完美搭配，提高了準確性和開發者生產力。

4. 即時回饋循環
GLM 4.5 受益於這些平台提供的即時回饋能力。無論是除錯、最佳化程式碼，還是建議架構變更，模型都可以根據系統回應立即調整輸出。

5. 可擴展協作
Claude Code 和 Trae 都提供協作功能，例如共享工作空間、即時編輯和任務指派。這強化了 GLM 4.5 作為團隊編碼助手的作用，支援工程師在個人和團隊環境中的工作。

6. 專門打造的效能優化
這些環境經過調整，能充分發揮 GLM 4.5 等大型語言模型的潛力。包括有效管理上下文長度、快取互動以及簡化工具調用——確保即使在大型專案中也能提供快速、穩定的效能。

您應該選擇 Claude Code 還是 Trae？

什麼是 Claude Code？

作為 CLI 代理介面設計，Claude Code 透過其 Anthropic 相容框架實現工具與工作流程的無縫編排，而 GLM‑4.5 開箱即支援此框架。

什麼是 Trae？

Trae 積極整合 GLM‑4.5 支援，反映市場對低成本、高效能代理模型日益增長的需求。使用者可以將 GLM‑4.5 插入自動化堆疊，無需重新調整現有基礎設施。

1. 終端驅動自動化與全倉庫工作流程

• 偏好：Claude Code
  Claude Code 擅長基於 CLI 的代理工作流程：編輯檔案、執行測試、應用重構、管理 Git（提交、PR）、以及端到端除錯——全部透過終端中的自然語言指令進行，UI 干擾極小。

理想任務：基於 CLI 的原型設計、錯誤修復、Git 整合的程式碼修改、持續整合流程。

2. GUI/IDE 編碼、即時自動完成與 Builder 模式

• 偏好：Trae
  作為基於 VS Code 的完整 IDE，Trae 提供基於編輯器的聊天、內聯程式碼完成、註解驅動生成以及 Builder 模式——在此模式中，工具會將指令分解為步驟、預覽擬議變更並自動套用。

理想任務：基於編輯器的編碼、即時測試生成、重構、跨多個檔案的支架功能、可預覽變更的迭代開發。

3. 概念規劃或結構原型設計

• **偏好 **：Claude Code
  許多使用者利用 Claude Code 透過高層級提示快速建立功能原型，而無需撰寫詳細設計文件。它特別適合探索架構替代方案或從概念生成簡單的 MVP。

4. 深度除錯、測試驅動迭代與提交建議

• **偏好 **：Claude Code
  Claude Code 提供強大的測試自動化、堆疊追蹤分析以及帶自然語言上下文的 Git 提交/PR 生成。許多使用者偏好用它進行場景驅動的錯誤分類和基於測試的程式碼演化。

5. 自訂代理工作流程、多 LLM 使用與開發者實驗

• **偏好 **：Trae
  Trae 的開源 CLI 模式（MIT 授權）支援本地 LLM、OpenAI、Claude 等，可透過 bash 腳本化並記錄執行路徑。它在 SWE-bench 上排名很高，具備自主問題解決能力和靈活的工具編排。

6. 成本敏感或開源專案環境

• **偏好 **：Trae
  Trae 免費、完全開源，且沒有供應商鎖定。非常適合希望完全控制部署、API 使用和成本結構的開發人員與團隊——尤其在使用本地託管模型時。

偏好 Claude Code，如果您主要在終端機工作、需要整合測試與版本控制支援，或需要在 macOS/Linux 上透過語言驅動指令快速原型開發。

選擇 Trae，如果您偏好 GUI 編碼體驗、計劃在 Windows 上工作、需要即時內聯建議、想要完全的開源靈活性，或者需要多模型整合與可自訂工作流程。

如何在 Claude Code 和 Trae 中使用 GLM 4.5？

Novita AI 是一個雲端平台，提供對廣泛開源 AI 模型的 API 存取，包括大型語言模型（LLM），例如 LLaMA、DeepSeek、Mistral、Qwen 等。透過 Novita AI，您可以註冊帳戶、生成 API 金鑰，並從數十個託管模型中選擇以整合到您的工具中。

Novita AI 整合了 Anthropic API，可在 Claude Code 和 Trae 中使用 GLM 4.5，超越許多業界供應商。它還提供具有 **131K 上下文 ** 的 API，成本為 **$0.6/輸入 ** 和 $2.2/輸出，為發揮 GLM 4.5 程式碼代理潛力提供強大支援。

先決條件 - 取得 Novita AI API 金鑰

步驟 1：登入您的帳戶並點選「模型庫」按鈕。

立即試用 GLM 4.5！

步驟 2：選擇您的模型

瀏覽可用選項，選擇適合您需求的模型。

步驟 3：開始免費試用

開始免費試用，探索所選模型的功能。

步驟 4：取得您的 API 金鑰

為了進行 API 驗證，我們將為您提供一個新的 API 金鑰。進入「設定」頁面，您可以依照圖片指示複製 API 金鑰。

步驟 5：安裝 API

使用您程式語言專屬的套件管理器安裝 API。

安裝完成後，將必要的函式庫匯入您的開發環境。使用您的 API 金鑰初始化 API，開始與 Novita AI LLM 互動。以下是 Python 使用者使用聊天完成 API 的範例。

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

步驟 1：安裝 Claude Code

在安裝 Claude Code 之前，請確保您的系統符合最低需求。您的本地環境必須安裝 Node.js 18 或更高版本。您可以在終端機執行 node --version 來檢查 Node.js 版本。

對於 Windows

開啟命令提示字元並執行以下指令：

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

全域安裝可確保 Claude Code 能從系統的任何目錄存取。npx win-claude-code@latest 指令會下載並執行最新的 Windows 專用版本。

對於 Mac 和 Linux

開啟終端機並執行：

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

Mac 使用者可直接進行全域安裝，無需額外的平台專用指令。安裝過程會自動配置必要的依賴項和 PATH 變數。

步驟 2：設定環境變數

環境變數會設定 Claude Code 透過 Novita AI 的 API 端點使用 Kimi-K2。這些變數告訴 Claude Code 將請求發送到何處以及如何進行驗證。

對於 Windows

開啟命令提示字元並設定以下環境變數：

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"

將 <Novita API Key> 替換為您從 Novita AI 平台取得的實際 API 金鑰。這些變數在目前工作階段中保持有效，若關閉命令提示字元則需重新設定。

對於 Mac 和 Linux

開啟終端機並匯出以下環境變數：

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"

步驟 3：啟動 Claude Code

完成安裝與配置後，您現在可以在專案目錄中啟動 Claude Code。使用 cd 指令導航到所需的專案位置：

cd <your-project-directory>
claude .

點 (.) 參數指示 Claude Code 在目前目錄中運作。啟動後，您會看到 Claude Code 提示出現在互動式工作階段中。

這表示工具已準備好接收您的指令。該介面為自然語言程式設計互動提供了乾淨、直觀的環境。

步驟 4：在 VSCode 或 Cursor 中使用 Claude Code

Claude Code 能與流行的開發環境無縫整合。它增強您現有的工作流程，而非取代它。

您可以直接在 VSCode 或 Cursor 的終端機中使用 Claude Code。這樣在利用 AI 輔助的同時，仍可保留您熟悉的開發工具。

此外，Claude Code 也提供了 VSCode 和 Cursor 的外掛程式。這些外掛程式能與編輯器更深度整合，直接在 IDE 介面中提供內聯 AI 輔助、程式碼建議和專案管理功能。

Trae 指南

步驟 1：開啟 Trae 並存取模型

啟動 Trae 應用程式。點選右上角的「切換 AI 側邊欄」以開啟 **AI 側邊欄 **。然後，前往 **AI 管理 ，選擇 ** 模型。

步驟 2：新增自訂模型，選擇 Novita 作為提供者，並選擇模型

點選「新增模型」按鈕來建立自訂模型條目。在新增模型對話框中，從下拉選單選擇 Provider = Novita。

從模型下拉選單中選擇您想要的模型（DeepSeek-R1-0528、Kimi K2、GLM 4.5、DeepSeek-V3-0324 或 MiniMax-M1-80k）。如果確切模型未列出，只需輸入您在 Novita 庫中記下的模型 ID。請確保選擇您要使用的正確模型變體。

步驟 3：輸入您的 API 金鑰

從您的 Novita 控制台複製 Novita AI API 金鑰，並將其貼上到 Trae 的 API 金鑰欄位中。

取得 Novita AI API 金鑰！

步驟 4：儲存設定

點選「新增模型」進行儲存。Trae 將在背景驗證 API 金鑰和模型選擇。

GLM 4.5 以其工具使用智慧、具競爭力的準確性以及平衡的資源使用脫穎而出。Trae 為開發者提供了完美環境，讓他們能在實際操作中探索這項強大功能——得益於其：

• 即時程式碼編輯與 Builder 模式
• 多模型支援（包括 Novita 託管的 GLM 4.5）
• 零供應商鎖定與開源特性

無論您是正在建構功能、除錯、撰寫測試，還是嘗試 AI 自動化，Trae + GLM 4.5 都能為您提供靈活性與效能，讓您做得更多、更快。

常見問題

GLM 4.5 在編碼方面有何特別之處？

GLM 4.5 支援工具呼叫、多步驟推理、除錯和 PR 生成。在 52 項實際編碼任務的基準測試中，其表現優於或持平 Claude 4、Kimi K2 和 Qwen3-Coder。

為什麼要用 Trae 而非 Claude Code？

如果您偏好 **GUI/IDE 體驗 **、即時程式碼編輯、模型切換或開源工具，請使用 Trae。如果您喜歡 ** 終端工作流程 **、指令列自動化或基於 Git 的任務處理，請選擇 Claude Code。

GLM 4.5 快速且經濟嗎？

是的。它比大多數大型模型執行更快，且更具成本效益：
~90.6% 工具呼叫成功率
平衡的 Token 使用量 (1.39M/互動)
透過 Novita AI 具有競爭力的定價（**$0.6/輸入 ** 和 $2.2/輸出）

Novita AI 是全方位的雲端平台，助力您的 AI 願景。整合 API、無伺服器、GPU 執行個體——您所需的經濟高效工具。消除基礎設施，免費開始，讓您的 AI 願景成真。

推薦閱讀

微調 DeepSeek R1-0528：更具成本效益的解決方案

DeepSeek R1 0528 與 O3 比較：中國的模型能打敗最好的嗎？

DeepSeek R1 0528 成本：API、GPU、本地部署比較