ROMFASTSQL/docs/supliment-glm-zai.md

Supliment GLM (Z.AI) pentru plafonul săptămânal Claude Max 5x

Analiză: 2026-09-01. Decizie: neimplementată. Date brute și metodologie completă: claude_usage_report.md, claude_usage_sessions.csv, claude_usage_summary.csv.

Problema

Max 5x are două plafoane săptămânale: unul general și unul separat pentru Opus. Se atinge cel general — cota se consumă în ~2 zile, urmează ~5 zile blocate.

Semnătura în date, săptămâna 2026-W33 (M tokeni):

Lu	Ma	Mi	Jo	Vi	Sâ	Du
655	229	40	8	1	1	1

Cifrele care contează

Măsurat pe 3 mașini (Windows LENOVO-AIO-BIRO 95,5%, claude-agent 2,7%, moltbot 1,7%), 2026-07-29 → 2026-09-01, 435 sesiuni, 64.211 cereri API, dedup pe message.id+requestId.

Metrică	Valoare
Total tokeni	11,15 miliarde
Cache read (din total)	97,2%
Opus 5 / Sonnet 5	38,3% / 60,2%
Livrat de Max 5x	2,23B / săptămână
Zile blocate	10 din 34 (29%)
Deficit	+32% ≈ ~570 prompturi/săpt.
Prompturi umane reale	~9.000 (~1.801/săpt.), 7,14 cereri API per prompt

Valoarea abonamentului Max: aceiași tokeni, fiecare model la tariful lui pe OpenCode Zen, ar costa $5.167/lună. Max 5x la $100 e de ~52× mai ieftin. Nu se atinge.

Ce acoperă deficitul

Opțiune	Cost/lună	Acoperă deficitul	Verdict
OpenCode Zen $20 (per-token)	$20	10,5% din volum total	nu — plafon în dolari
OpenCode Go	$10	plafon $30/săpt. → 0,3 zile	testat, s-a consumat în 1–2 zile
Z.AI Coding Lite	$18 (anual $12,60)	70% → ~0,6 zile blocate	de aici se începe
Z.AI Coding Pro	$72 (anual $50,40)	351% → 0 zile blocate	dacă Lite nu ajunge
Z.AI Coding Max	$160 (anual $112)	1403%	supradimensionat

Planurile Z.AI se contorizează în prompturi, nu în dolari de consum — de asta rezistă la un workload cu 7,1 cereri API per prompt, spre deosebire de Zen/Go.

Necunoscută care schimbă decizia: multiplicatorul de credite pentru GLM-5.3-Flash. Z.AI documentează 3× în orele de vârf pentru modelele mari. Flash e modelul mic, deci probabil 1× — dar dacă nu, cei ~400 prompturi/săpt. ai lui Lite devin ~133 și Lite pică. De verificat înainte de a plăti.

Prețuri verificate 2026-09-01: docs.z.ai/devpack/overview, opencode.ai/docs/zen, opencode.ai/docs/go. GLM-5.3 nu e listat încă pe OpenCode Zen; s-a folosit tariful Z.AI ca proxy.

Mecanismul — ce s-a verificat empiric

Întrebare	Răspuns	Cum s-a verificat
Subagenți (tool Agent) pe GLM?	NU	rulează în proces, moștenesc auth; model acceptă doar sonnet/opus/haiku/fable
Sesiuni separate pe GLM?	DA	endpoint fals local: cererea a plecat cu Bearer zai-… pe glm-5.3-flash, nu spre Anthropic
Sesiunea părinte e afectată?	NU	variabilele de mediu sunt per-proces
Predare de sesiune?	DA	--output-format json → session_id, apoi --resume cu același env
Paralelism?	DA	3 sesiuni simultane, curat
Cost pornire proces	~20–60s	măsurat
Memorie per sesiune	~186MB RSS	măsurat

Z.AI e singurul provider cu endpoint compatibil Anthropic (https://api.z.ai/api/anthropic), deci singurul drop-in pentru Claude Code.

Implementare

1. Cheia: ~/.config/zai/key, chmod 600. Nu în linia de comandă (ajunge în history și ps).
2. Wrapper: tools/claude-glm.sh — task / resume / shell. Setează [1m] pe model (altfel Claude Code presupune 200k și compactează devreme), --autocompact 250000, și CLAUDE_CONFIG_DIR=~/.claude-glm separat, ca transcripturile GLM să nu strice statistica de consum.
3. Reguli de orchestrare în CLAUDE.md — vezi mai jos.
4. Măsurare după: re-rulează tools/claude_usage_extract.py pe ambele config dir-uri și compară deficitul. Fără asta nu știi dacă a funcționat.

Reguli de orchestrare (de pus în CLAUDE.md la implementare)

• Agenți Sonnet (tool Agent): judecată, cod critic, nevoie de contextul sesiunii. Consumă Max.
• Agenți GLM (Bash: tools/claude-glm.sh task "..."): sarcini mari, delimitate, verificabile mecanic — implementare după spec, teste, refactorizări repetitive. Nu consumă Max.
• Minimum ~10 min de lucru per lansare GLM; sub asta pornirea domină.
• Maximum 4 procese GLM simultane (186MB fiecare; cgroup-ul LXC 171 are istoric de OOM).
• Pentru fan-out larg: un singur proces GLM căruia îi ceri să folosească subagenți — ei moștenesc GLM. Nu multiplica procesele din orchestrator.
• Briefing complet în prompt: agentul GLM nu vede contextul orchestratorului.
• Verifică mecanic rezultatul. Flash e modelul mic; rulează testele, nu accepta raportul lui.

Rezerve

1. Orchestrarea rămâne pe Max. Fiecare lansare și citire de rezultat consumă cotă Opus. Câștigul e proporțional cu autonomia sarcinilor date lui GLM.
2. Deficitul de +32% e conservator — presupune ritm median în zilele blocate, nu ritmul zilelor bune (peste 850M). Cererea suprimată reală e probabil mai mare.
3. claude-agent are doar 5 zile din 35 cu transcripturi păstrate (retenție + recreare director pe 2026-08-30). Nu s-a extrapolat.
4. Prompturile de pe Windows sunt estimate din raportul 7,14 măsurat pe Linux — singura extrapolare din analiză.
5. Promoția Flash expiră 2026-09-09; tarifele per-token se dublează (irelevant dacă se merge pe abonament).