Ya, dengan ketentuan yang sama seperti DeepSeek V4.1 Flash sehari sebelumnya. Pada 16 Oktober 2026, OpenCode mengumumkan bahwa “GLM 5.3 Flash kini gratis di OpenCode.” Model tersebut adalah opencode/glm-5.3-flash-free, dan dokumentasi OpenCode Zen menyebutnya gratis “untuk waktu terbatas.” Tingkat gratis ini hanya merespons OpenCode. Jika endpoint yang sama dipanggil dari aplikasi lain, respons yang dikembalikan adalah HTTP 403 dengan pesan “OpenCode’s free tier can only be used from within OpenCode.”
Ada dua batasan penting sebelum Anda mulai menggunakannya. Model gratis ini adalah GLM-5.3-Flash, bukan versi penuh GLM-5.3 yang masih berharga $1,40 per 1 juta token input di Zen. Selain itu, “gratis” bukan berarti cepat. Kami menguji model ini pada instalasi bersih OpenCode pada 16 Oktober: setiap jawaban akurat, tetapi pertanyaan satu baris yang sama memerlukan waktu bervariasi mulai dari 7 hingga 196 detik. Hal tersebut memengaruhi jenis Task apa yang cocok diberikan kepadanya. Kami belum menjalankannya di dalam Sharkly Task, sehingga panduan penyiapan di bawah ini diakhiri dengan smoke test untuk memastikan apakah Runtime Anda dapat menggunakannya.
TL;DR
Gunakan model gratis ini pada Agent yang Runtime-nya adalah OpenCode; tidak ada Runtime lain yang dapat mengaksesnya. Perbarui daftar model OpenCode di Computer, atur model dalam konfigurasi OpenCode, lakukan smoke test di terminal, lalu berikan satu Task kecil. Batasan: konteks 200K token dan output 32K, lampiran PDF ditolak, serta belum ada tanggal penutupan yang diumumkan. Waktu respons lambat dan tidak konsisten dalam pengujian kami, jadi gunakan untuk pekerjaan latar belakang, bukan Task yang sedang ditunggu seseorang. Jika Anda sudah menjalankan DeepSeek V4.1 Flash Free, kedua model ini dapat membagi tugas berdasarkan kecepatan penyelesaiannya.
Dua model gratis dalam satu Runtime
Runtime adalah tool agent di Computer yang menjalankan sesi. Tingkat gratis OpenCode memeriksa asal permintaan, sehingga aturan dari artikel DeepSeek V4.1 Flash kami tetap berlaku di sini: Agent pada Runtime OpenCode memang dirancang untuk dapat mengakses model gratis ini, sedangkan Agent pada Claude Code, Codex, atau Gemini CLI tidak.
Kabar barunya adalah satu Runtime OpenCode kini menawarkan dua model gratis dari keluarga berbeda. Keduanya memiliki batasan yang serupa namun menunjukkan perilaku yang berbeda:
| GLM-5.3-Flash Free | DeepSeek V4.1 Flash Free | |
|---|---|---|
| Free since | 16 Oktober 2026 | 15 Oktober 2026 |
| Context / max output | 200K / 32K | 200K / 32K |
| Paid version’s limits | 1M / 131K | 1M / 384K |
| One-line question, our runs | 7 hingga 196 dtk (11 kali pengujian) | 4 hingga 15 dtk (3 kali pengujian) |
| Small write-and-run task, our runs | 13 hingga 109 dtk (5 kali pengujian) | 16 hingga 36 dtk (3 kali pengujian) |
| Image input | Berfungsi dalam pengujian kami | Tercantum dalam metadata OpenCode |
| PDF attachment | Ditolak: “only text and image_url are” supported | Nonaktif dalam metadata OpenCode |
| Provider data terms, per Zen docs | Zero retention, tanpa pelatihan model | Zero retention, tanpa pelatihan model |
Batasan ini diperoleh dari metadata model bawaan OpenCode (opencode models opencode --verbose). Data waktu respons merupakan hasil pengujian kami pada hari peluncuran menggunakan OpenCode 1.19.2, dan angkanya sangat berfluktuasi antar-pengujian. Menyetel --variant low tidak membuat model GLM menjadi lebih cepat secara konsisten: satu pengujian low-effort memakan waktu 196 detik untuk pertanyaan yang pada pengujian lain dijawab dalam 11 detik. Keterlambatan ini tampaknya berasal dari beban pada endpoint gratis, bukan dari kedalaman penalaran (reasoning depth).
Menyiapkan Agent GLM-5.3-Flash gratis
1. Pasang OpenCode di Computer. Instal menggunakan skrip resmi, atau manfaatkan fitur One-click install jika tersedia di halaman detail Runtime:
curl -fsSL https://opencode.ai/install | bash
Jalankan deteksi ulang Runtime di halaman detail Computer dan pastikan status Runtime OpenCode menunjukkan Available. Computer yang online tidak serta-merta membuat Runtime siap digunakan.
2. Perbarui daftar model. OpenCode menyimpan katalog modelnya dalam cache. Pada instalasi bersih kami, hanya ada sembilan model gratis tanpa GLM sebelum kami menyegarkannya. Jalankan perintah ini menggunakan akun pengguna yang sama dengan yang menjalankan layanan lokal:
opencode models opencode --refresh | grep glm-5.3-flash-free
3. Konfigurasikan model sekali saja di Computer. Secara default, Agent mengikuti model Runtime-nya, dan konfigurasi global OpenCode menetapkan nilai default tersebut untuk setiap sesi OpenCode di Computer. Simpan konfigurasi ini sebagai ~/.config/opencode/opencode.json:
{
"$schema": "https://opencode.ai/config.json",
"model": "opencode/glm-5.3-flash-free"
}
Jika katalog Runtime mencantumkan model tersebut, Anda juga bisa memilihnya langsung pada baris Model milik Agent. Pengaturan baris Model ini menimpa konfigurasi default Runtime khusus untuk Agent tersebut—inilah cara dua Agent OpenCode pada satu Computer dapat menjalankan model gratis yang berbeda.
4. Jalankan smoke test di terminal biasa, lalu berikan satu Task.
opencode run "Reply with the word ok."
Baris pertama output akan menampilkan model yang digunakan; pastikan yang muncul adalah glm-5.3-flash-free, lalu ok. Berikan waktu beberapa menit jika proses berjalan lambat sebelum menganggapnya gagal. Setelah pengujian di terminal berhasil, berikan satu Task kecil dengan kriteria selesai yang jelas dan periksa execution log untuk memastikan model mana yang mengeksekusinya.
Eksekusi lambat mengubah strategi pembagian tugas
Model gratis dengan waktu respons yang tidak menentu tetap bermanfaat. Model ini hanya membutuhkan Task di mana jeda tiga menit tidak menimbulkan kerugian apa pun.
Gunakan Agent GLM untuk tugas latar belakang. Menulis backfill test untuk sebuah modul, perbaikan lint di seluruh paket, pembaruan README setelah perubahan API, atau pembaruan dependensi: jenis Task yang tidak perlu ditunggui secara langsung sampai hasilnya siap ditinjau. Gunakan Agent yang lebih cepat untuk Task mendesak. Jika ada rekan tim yang sedang terhambat dan menunggu perbaikan, respons 4 hingga 15 detik dari Agent DeepSeek, atau model berbayar, jauh lebih sesuai.
Mulai dengan konkurensi rendah. Eksekusi yang lambat akan menahan Task yang ditugaskan sampai selesai. Biarkan pengaturan Max concurrency (assigned tasks) pada Agent di angka 1, dan naikkan hanya setelah beberapa hari berjalan lancar tanpa kendala. Panduan dari Sharkly juga merekomendasikan hal serupa: tingkatkan konkurensi “hanya setelah Computer dan Runtime saat ini mampu menangani beban kerja yang ada secara andal.” Menjalankan Task paralel pada endpoint gratis yang padat sebagian besar hanya akan menambah waktu tunggu antrean.
Gambar didukung; PDF tidak. Dalam pengujian kami, model mampu membaca tangkapan layar spesifikasi API dan menghasilkan file OpenAPI yang valid. Namun, model juga salah mengetikkan satu batasan menjadi 300.000 alih-alih 30.000, yang tetap lolos validasi JSON. Oleh karena itu, selalu tinjau data yang diekstrak dari gambar seperti halnya Anda meninjau diff kode lainnya. Jika input sebuah Task berupa file PDF, konversikan halaman-halamannya menjadi gambar terlebih dahulu; endpoint gratis menolak file PDF secara langsung.
Proses review tetap menjadi biaya sebenarnya. Token gratis tidak membuat suatu perubahan kode menjadi lebih murah untuk disetujui. Artikel When a cheaper model costs more menghitung biaya eksekusi per perubahan yang disetujui, angka yang menentukan apakah Agent ini benar-benar sepadan. Artikel Mixed-model Crews membahas pentingnya menempatkan reviewer yang lebih mumpuni di balik worker berbiaya rendah, dan worker seharga $0 pun mengikuti pola yang sama.
Ketika masa promosi berakhir
Model ini pernah digratiskan sebelumnya. Sejak 20 Agustus 2026, sebuah model anonim bernama Ox Alpha sempat berada di daftar gratis OpenCode dengan context window 1M token. Pada 26 Agustus, Z.ai mengumumkan bahwa model tersebut adalah GLM-5.3-Flash, dan masa gratisnya berakhir setelah enam hari. Model GLM gratis OpenCode terdahulu, glm-4.7-free dan glm-5-free, kini ditandai usang (deprecated) dalam katalog models.dev yang dibaca OpenCode.
Antisipasi skenario akhir yang serupa. Eksekusi pada Agent akan mulai mengalami error model, dan pekerjaan yang gagal akan muncul di execution log serta Inbox, tempat seseorang memutuskan langkah berikutnya. Konfigurasi model berada dalam satu file, sehingga peralihannya hanya memerlukan satu kali edit:
- OpenCode Zen, berbayar
glm-5.3-flash: $0,15 per 1 juta token input dan $0,50 per 1 juta token output, dengan context window penuh sebesar 1M. - OpenCode Go: $10 per bulan, dengan batas penggunaan bulanan sebesar $60 untuk model ini; dokumentasi OpenCode Go memperkirakan kuota sekitar 31.580 permintaan per bulan.
- API resmi Z.ai: tarif yang sama yaitu $0,15 dan $0,50, dengan cached input seharga $0,03.
- Alihkan beban kerja: tugaskan kembali Task tersebut ke Agent pada Runtime lain, dan papan proyek (board) akan tetap mempertahankan seluruh riwayatnya.
Panduan What it costs to run an agent Crew on free and cheap tiers membandingkan opsi-opsi ini untuk berbagai model.
Biaya yang dikeluarkan tim untuk Agent ini
Terdapat dua komponen biaya, dan status “gratis” berlaku untuk masing-masing secara terpisah. Seat pengguna: skema harga Sharkly gratis untuk organisasi hingga 5 orang dan $7 per orang per bulan dengan penagihan tahunan setelahnya, sementara Agent dan Computer tidak mengurangi kuota seat (detail selengkapnya). Model: Sharkly tidak menjual token; penggunaan berjalan melalui akun yang dikonfigurasikan di masing-masing Runtime dengan skema bring-your-own-key. Selama promosi berlangsung, biaya penggunaan model untuk Agent OpenCode adalah $0.
Kesimpulan singkat
GLM-5.3-Flash gratis untuk coding agent yang menggunakan OpenCode, dan tidak berlaku untuk platform lainnya. Perbarui daftar model, konfigurasikan di Computer, lakukan smoke test dengan sabar, dan tugaskan untuk pekerjaan latar belakang yang tidak perlu menghabiskan token berbayar atau menyita waktu tunggu tim Anda. Ketika promosi berakhir, Task, riwayat, dan jejak peninjauannya tetap aman di board, dan Agent hanya butuh satu kali edit konfigurasi. Jika Anda sudah menjalankan beberapa agent sekaligus, Sharkly menyediakan satu tempat terpadu untuk membagikan tugas dan meninjau seluruh hasilnya.
