6月13日，智谱发布了 ZCode 3.0，官方说法是：全面切换自研 ZCode Agent 内核。同时，GLM 5.2 也一并推出。

趁着这波热度，我也上手体验了一下。

第一感受其实很直接：ZCode 的产品形态，和 Codex 确实非常像。这种“像”，不只是界面，而是整个交互范式——任务驱动、自动拆解、持续执行。

于是我没有做简单测试，而是直接丢了一个“我一直想做但还没做”的真实需求进去：

基于万象 2.7 的精准编辑能力，做一个图像编辑工具。

我给的输入非常克制：
只提供了一份简单文档，一个参考网址，以及一句明确要求——“认真阅读文档，先做规划”。

接下来，基本就是放手让它跑。

一、过程：它真的在“自己做事”

整个执行过程，有几个比较明显的特征：

• 遇到问题，会自己查、自己改
• 不是一步到位，而是持续迭代
• 有明确的“先规划 → 再执行”的结构

这点其实挺关键的——
很多模型的问题，不是不会写代码，而是没有“过程感”。

而 ZCode 的这一版，已经明显在往 Agent 的方向走了。

二、不太好的地方：算力瓶颈非常明显

但问题也很现实，而且几乎贯穿全程：

• 多次出现「当前访问量过大，请稍后再试」

• 中途弹出「系统繁忙」

• 甚至提示需要充值提升额度（但当时还充不了）

体验上是有点割裂的——
一边是能力已经到位，一边是资源完全跟不上。

不过有一点值得说：

等一会儿，点“继续”，大多数情况下还能接着跑。

也就是说，它不是彻底失败，而是“卡顿式前进”。

三、一些有意思的细节

几个让我印象比较深的小点：

1）会做整体联调验证

项目完成后，它不是直接结束，而是会做一轮“前后端联合启动验证”，确认：

• 服务能不能跑起来

• 前端能不能通过代理访问后端

这一步，其实已经接近一个初级工程师的习惯了。

2）调试过程是连续的

在“总装”的过程中，它会不断修 bug，而不是一次性交付。

这比很多“一次生成”的模型要更接近真实开发。

3）甚至会触发验证码…

中间有一次在修 bug 时，系统突然弹出验证码，而且还验证不通过。

有点离谱，不过好在——关掉之后还能继续用。

四、效率：26 分钟，一个可运行项目

整个任务，从开始到结束，用时： 26 分 18 秒

中间还夹杂着：访问量限制、系统繁忙、验证码打断等。

在这种条件下，这个速度其实是可以接受的。

而且我是完全用免费额度跑的（因为 token plan 还抢不到）。

所以从“性价比”的角度，我是满意的。

五、结论：它已经不是“玩具级”了

总结一下我的整体感受：

1）需求理解：基本准确
它对我描述的目标，理解是到位的，没有明显跑偏。

2）执行能力：已经具备工程雏形
不仅能写代码，还能：

• 规划步骤

• 持续执行

• 自我修复

• 做基本验证

3）最大短板：算力与稳定性
能力已经到了，但资源还没跟上。

最后一句判断

如果只看能力本身,ZCode 是在往“中国版 Codex”走的。

而真正的分水岭，可能不在模型，而是什么时候能把算力问题解决，让“想用的人都能用上”。

这一步，才是从“可用”到“普及”的关键。

Tip
专注于 AI 智能体实践与技术演进深度思考。主理人拥有资深技术背景与心理学视角，致力于通过真实实验（2025年更新361篇实操记录）探索 LLM、RAG 与 Agentic Workflow 的落地边界。