Đúng vậy, với cùng điều kiện như trường hợp của DeepSeek V4.1 Flash một ngày trước đó. Vào ngày 16 tháng 10 năm 2026, OpenCode đã công bố: “GLM 5.3 Flash hiện đã miễn phí trên OpenCode.” Mã định danh của mô hình là opencode/glm-5.3-flash-free, và tài liệu OpenCode Zen cho biết gói này miễn phí “trong thời gian giới hạn”. Gói miễn phí này chỉ phục vụ duy nhất các yêu cầu từ OpenCode. Nếu bạn gọi tới endpoint này từ bất kỳ nền tảng nào khác, hệ thống sẽ trả về lỗi HTTP 403 cùng thông báo “OpenCode’s free tier can only be used from within OpenCode.”
Có hai giới hạn bạn cần nắm rõ trước khi lên kế hoạch sử dụng: Mô hình miễn phí này là GLM-5.3-Flash chứ không phải bản đầy đủ GLM-5.3 (vốn vẫn có giá 1,40 USD cho mỗi 1M token đầu vào trên Zen). Thêm vào đó, “miễn phí” không đồng nghĩa với “nhanh”. Chúng tôi đã thử nghiệm mô hình này trên một bản cài đặt OpenCode mới hoàn toàn vào ngày 16 tháng 10: mọi câu trả lời đều chính xác, nhưng đối với cùng một câu hỏi một dòng, thời gian phản hồi dao động từ 7 đến 196 giây. Điều này sẽ quyết định loại Task nào bạn nên giao cho nó. Chúng tôi hiện chưa thử nghiệm bên trong Sharkly Task, do đó hướng dẫn thiết lập dưới đây sẽ khép lại bằng một bài kiểm tra nhanh (smoke test) để giúp bạn xác định xem Runtime của mình có sử dụng được hay không.
Tóm tắt nhanh (TL;DR)
Hãy gán mô hình miễn phí này cho một Agent có Runtime là OpenCode; không Runtime nào khác có thể truy cập được. Làm mới danh sách mô hình của OpenCode trên Computer, cấu hình mô hình trong file config của OpenCode, chạy kiểm tra nhanh trong terminal rồi giao thử một Task nhỏ. Các giới hạn: cửa sổ ngữ cảnh 200K token và 32K token đầu ra, từ chối tệp đính kèm PDF, chưa có ngày kết thúc ưu đãi cụ thể. Thời gian phản hồi trong các bài thử nghiệm của chúng tôi khá chậm và không ổn định, vì vậy chỉ nên giao cho nó các công việc chạy ngầm (background), không nên giao những Task đang có người phải chờ kết quả. Nếu bạn đã chạy DeepSeek V4.1 Flash Free, hai mô hình này có thể chia việc dựa trên thời gian phản hồi cần thiết.
Hai mô hình miễn phí trên cùng một Runtime
Runtime là công cụ agent chạy trên Computer có nhiệm vụ thực thi phiên làm việc. Gói miễn phí của OpenCode kiểm tra nguồn gốc của từng request gửi đến, vì vậy nguyên tắc được nêu trong bài viết về DeepSeek V4.1 Flash trước đây vẫn giữ nguyên giá trị: Agent chạy trên OpenCode Runtime được cấu hình sẵn để truy cập mô hình miễn phí, còn các Agent trên Claude Code, Codex hay Gemini CLI thì không.
Điểm mới ở đây là giờ đây một OpenCode Runtime có thể cung cấp tới hai mô hình miễn phí từ hai họ mô hình khác nhau. Chúng có cùng giới hạn tài nguyên nhưng hành vi xử lý lại khác nhau:
| GLM-5.3-Flash Free | DeepSeek V4.1 Flash Free | |
|---|---|---|
| Free since | 16 tháng 10 năm 2026 | 15 tháng 10 năm 2026 |
| Context / max output | 200K / 32K | 200K / 32K |
| Paid version’s limits | 1M / 131K | 1M / 384K |
| One-line question, our runs | 7 đến 196 giây (11 lần chạy) | 4 đến 15 giây (3 lần chạy) |
| Small write-and-run task, our runs | 13 đến 109 giây (5 lần chạy) | 16 đến 36 giây (3 lần chạy) |
| Image input | Hoạt động tốt trong thử nghiệm | Có trong metadata của OpenCode |
| PDF attachment | Bị từ chối: chỉ hỗ trợ “text và image_url” | Bị tắt trong metadata của OpenCode |
| Provider data terms, per Zen docs | Không lưu trữ, không dùng để huấn luyện | Không lưu trữ, không dùng để huấn luyện |
Các giới hạn trên được lấy trực tiếp từ metadata mô hình do OpenCode cung cấp (opencode models opencode --verbose). Các mốc thời gian là số liệu đo lường thực tế của chúng tôi trong ngày ra mắt với OpenCode 1.19.2, và kết quả giữa các lần chạy có độ dao động rất lớn. Việc thiết lập --variant low không giúp mô hình GLM chạy nhanh hơn một cách ổn định: một lần chạy ở mức low-effort đã mất tới 196 giây cho một câu hỏi mà các lần khác chỉ mất 11 giây. Tình trạng chậm trễ này dường như xuất phát từ tải trên endpoint miễn phí chứ không phải do độ sâu suy luận (reasoning depth).
Thiết lập Agent dùng GLM-5.3-Flash miễn phí
1. Cài đặt OpenCode lên Computer. Cài đặt bằng script chính thức, hoặc sử dụng tính năng One-click install nếu trang chi tiết của Runtime có hỗ trợ:
curl -fsSL https://opencode.ai/install | bash
Nhấn quét lại Runtime (Re-detect Runtimes) trên trang chi tiết của Computer và đảm bảo OpenCode Runtime hiển thị trạng thái Available. Việc Computer đang ở trạng thái online không đồng nghĩa với việc Runtime đã có thể sử dụng được.
2. Làm mới danh sách mô hình. OpenCode sẽ lưu bộ nhớ đệm (cache) danh mục mô hình. Bản cài mới của chúng tôi chỉ hiển thị chín mô hình miễn phí mà không có GLM cho tới khi chúng tôi làm mới lại. Hãy chạy lệnh này dưới cùng tài khoản user mà dịch vụ cục bộ đang sử dụng:
opencode models opencode --refresh | grep glm-5.3-flash-free
3. Cấu hình mô hình một lần trên Computer. Theo mặc định, Agent sẽ tuân theo mô hình của Runtime, và tệp cấu hình toàn cục (global config) của OpenCode sẽ đặt mặc định đó cho mọi phiên OpenCode trên Computer. Hãy lưu nội dung này vào đường dẫn ~/.config/opencode/opencode.json:
{
"$schema": "https://opencode.ai/config.json",
"model": "opencode/glm-5.3-flash-free"
}
Nếu danh mục của Runtime đã hiển thị mô hình này, bạn có thể chọn trực tiếp tại hàng Model của Agent. Lựa chọn tại hàng Model sẽ ghi đè giá trị mặc định của Runtime cho riêng Agent đó — đây chính là cách giúp hai OpenCode Agent trên cùng một Computer có thể chạy hai mô hình miễn phí khác nhau.
4. Chạy kiểm tra nhanh trong terminal, sau đó giao một Task thử nghiệm.
opencode run "Reply with the word ok."
Dòng kết quả đầu tiên sẽ hiển thị tên mô hình đang được dùng; bạn cần thấy glm-5.3-flash-free, theo sau là chữ ok. Hãy kiên nhẫn đợi vài phút nếu gặp phải lượt chạy chậm trước khi kết luận là tác vụ thất bại. Sau khi bài kiểm tra terminal thành công, hãy giao một Task nhỏ với yêu cầu hoàn thành rõ ràng và kiểm tra nhật ký thực thi (execution log) để xác nhận chính xác mô hình nào đã xử lý nó.
Tốc độ xử lý chậm làm thay đổi cách phân chia công việc
Một mô hình miễn phí dù có thời gian phản hồi không đồng đều nhưng vẫn có giá trị sử dụng cao. Bạn chỉ cần giao cho nó những Task mà việc phải chờ 3 phút không gây ảnh hưởng gì tới tiến độ chung.
Dùng GLM Agent cho các công việc chạy ngầm. Viết bổ sung test cho một module, sửa lỗi linter trên toàn bộ package, cập nhật README sau khi thay đổi API, nâng cấp phiên bản dependency: đây đều là các Task không ai phải ngồi đợi và chỉ cần xem lại khi kết quả đã sẵn sàng để review. Dành Agent có tốc độ nhanh hơn cho những Task đang làm tắc nghẽn công việc. Nếu đồng nghiệp đang đợi bản vá để tiếp tục làm việc, các câu trả lời chỉ mất từ 4 đến 15 giây của DeepSeek Agent, hoặc một mô hình trả phí, sẽ là lựa chọn phù hợp hơn nhiều.
Bắt đầu với mức xử lý đồng thời thấp. Một phiên chạy chậm sẽ giữ Task được giao cho đến khi hoàn thành. Hãy duy trì mức Max concurrency (assigned tasks) của Agent ở mức 1, và chỉ tăng lên sau vài ngày hoạt động ổn định. Khuyến nghị của Sharkly cũng tương tự: chỉ tăng giới hạn này “sau khi Computer và Runtime hiện tại đã xử lý trơn tru khối lượng công việc hiện có”. Việc chạy song song nhiều Task nhắm vào một endpoint miễn phí đang chịu tải cao phần lớn chỉ làm tăng thời gian chờ trong hàng đợi.
Hình ảnh hữu ích; PDF thì không. Trong thử nghiệm của chúng tôi, mô hình đọc tốt ảnh chụp màn hình của một tài liệu đặc tả API và tạo ra file OpenAPI hoàn chỉnh từ đó. Dù vậy, nó cũng đã gõ nhầm một giá trị giới hạn thành 300,000 thay vì 30,000, và lỗi này vẫn vượt qua vòng kiểm tra cú pháp JSON. Vì thế, hãy kiểm tra kỹ những gì mô hình trích xuất từ hình ảnh giống như cách bạn xem lại bất kỳ diff mã nguồn nào. Nếu đầu vào của Task là file PDF, hãy chuyển đổi các trang thành hình ảnh trước, vì endpoint miễn phí từ chối hoàn toàn định dạng PDF.
Chi phí review mới là chi phí thực sự. Token miễn phí không làm cho việc chấp nhận một thay đổi mã nguồn trở nên rẻ hơn. Bài viết Khi mô hình rẻ hơn lại tốn kém hơn tính toán chi phí trên từng thay đổi được phê duyệt, con số thực tế giúp bạn biết Agent này có xứng đáng với vị trí của nó hay không. Bài viết Đội ngũ phối hợp đa mô hình (Mixed-model Crews) đề cập đến việc bố trí một reviewer năng lực cao đứng sau các worker giá rẻ, và một worker với chi phí 0 USD cũng hoàn toàn ăn khớp với mô hình đó.
Khi chương trình ưu đãi kết thúc
Mô hình này từng được phát hành miễn phí một lần trước đây. Từ ngày 20 tháng 8 năm 2026, một mô hình ẩn danh mang tên Ox Alpha đã nằm trong danh sách miễn phí của OpenCode với cửa sổ ngữ cảnh 1M token. Đến ngày 26 tháng 8, Z.ai tiết lộ đó chính là GLM-5.3-Flash, và đợt sử dụng miễn phí kết thúc sau sáu ngày. Các mô hình GLM miễn phí trước đây của OpenCode là glm-4.7-free và glm-5-free hiện đều bị đánh dấu là ngừng hỗ trợ (deprecated) trong danh mục models.dev mà OpenCode tham chiếu.
Hãy chuẩn bị sẵn phương án cho tình huống tương tự. Các phiên chạy trên Agent sẽ bắt đầu báo lỗi mô hình, và các công việc lỗi sẽ hiển thị trong execution log cũng như Inbox để bạn quyết định hướng xử lý tiếp theo. Vì cấu hình mô hình nằm trong một tệp duy nhất, việc chuyển đổi chỉ mất đúng một thao tác chỉnh sửa:
- OpenCode Zen, bản trả phí
glm-5.3-flash: 0,15 USD cho mỗi 1M token đầu vào và 0,50 USD cho mỗi 1M token đầu ra, với cửa sổ ngữ cảnh đầy đủ 1M. - OpenCode Go: 10 USD/tháng, với hạn mức sử dụng 60 USD hàng tháng cho mô hình này; tài liệu Go của OpenCode ước tính tương đương khoảng 31.580 request mỗi tháng.
- API riêng của Z.ai: cùng mức giá 0,15 USD và 0,50 USD, với token đầu vào lưu bộ nhớ đệm (cached input) chỉ 0,03 USD.
- Chuyển giao công việc: gán lại các Task đó cho một Agent trên Runtime khác, trong khi toàn bộ lịch sử công việc vẫn được lưu giữ trên bảng quản lý.
Bài viết Chi phí vận hành đội ngũ agent trên các gói miễn phí và giá rẻ so sánh chi tiết các lựa chọn này giữa các mô hình khác nhau.
Chi phí thực tế mà một nhóm phải trả cho Agent này
Có hai khoản chi phí riêng biệt, và chính sách “miễn phí” áp dụng độc lập cho từng phần. Về vị trí người dùng (seats): bảng giá của Sharkly miễn phí cho các tổ chức có quy mô tối đa 5 người, sau đó tính phí 7 USD/người/tháng khi thanh toán theo năm, đồng thời các Agent và Computer không tính vào số seat này (chi tiết). Về mô hình: Sharkly không trực tiếp bán token; mức sử dụng được tính thông qua các tài khoản được cấu hình trong từng Runtime theo cơ chế tự mang theo API key cá nhân (BYOK). Trong thời gian chương trình ưu đãi diễn ra, chi phí mô hình cho OpenCode Agent hoàn toàn là 0 USD.
Kết luận ngắn gọn
GLM-5.3-Flash là gói miễn phí dành riêng cho các coding agent chạy OpenCode, và không áp dụng cho bất kỳ ai khác. Hãy làm mới danh sách mô hình, cấu hình nó trên Computer, kiên nhẫn kiểm tra nhanh trong terminal và giao cho nó các Task chạy ngầm mà bạn không muốn các Agent khác phải tốn token trả phí hay bắt người khác phải tốn thời gian chờ đợi. Khi chương trình ưu đãi kết thúc, các Task, lịch sử thực thi và quy trình review vẫn được lưu lại trọn vẹn trên bảng điều khiển, và bạn chỉ cần sửa lại đúng một dòng config cho Agent. Nếu bạn đang vận hành nhiều agent cùng lúc, Sharkly mang đến một không gian tập trung duy nhất để phân bổ công việc và kiểm duyệt mọi kết quả trả về.
