Claude świetny, ale… czy jest tańszy sposób na turbo-produktywność?

Czy z.ai za 3 dolary może konkurować z Claude?

Claude od Anthropic to dla wielu absolutny „gold standard”. Wybitne rozumowanie, elegancki kod, świetne podsumowania. Ale jest jedno „ale”: intensywne użycie szybko zamienia się w kosztowny nawyk. Jeśli pracujesz na dużych taskach, limity potrafią brutalnie wyrwać Cię z flow. Nic tak nie zabija produktywności jak czekanie pięć godzin, żeby dokończyć zmianę, która mogła powstać w piętnaście minut. Dlatego zacząłem szukać czegoś tańszego i trafiłem na z.ai — projekt studentów z Cinghua, wspierany przez Alibabę i kilka dużych funduszy. Cena? 3 dolary. Miesięcznie.

• 120 promptów co 5 godzin — w praktyce wystarczające do regularnej pracy.
• Dostęp do GLM-4.6 — modelu, który według benchmarków zbliża się do Claude.
• Bardzo niska cena, ale chińskie pochodzenie może być blokadą w niektórych firmach.

Test praktyczny zamiast teorii

Nie interesowały mnie „promptowe testy” typu napisz wiersz czy stwórz landing page. Chciałem sprawdzić oba modele na czymś, co naprawdę dzieje się w produkcyjnych projektach. W moim blogu brakowało ważnej funkcji: przycisku „zobacz wszystkie wpisy”, osobnej strony z pełnym UI oraz filtrami po typie i kategorii. Stack nie należy do prostych — Angular na froncie, .NET na backendzie i CQRS. To zadanie wymaga nie tylko generowania kodu, ale również zrozumienia architektury.

GLM-4.6 — szybki, tani i… zaskakująco skuteczny

Zacząłem od integracji z.ai z Claude Code — wystarczy zmienić settings.json i podmienić API key. Po chwili wszystko działało, a Claude Code korzystał z GLM-4.6. Model dodał przycisk „zobacz wszystkie wpisy”, stworzył nową stronę, dodał filtry, zadbał o routing. UI wyglądało spójnie, choć pojawiły się drobne błędy: angielskie teksty i problem z widocznością aktywnego filtra. Co ciekawe — zmiany w kodzie wyglądały poprawnie… do momentu gdy użyłem gemini code assist do review. Wyszło na jaw, że GLM stworzył mocno nieoptymalne zapytanie, które na większej ilości danych mogłoby zabić wydajność.

1. UI — dobre, choć z drobnymi brakami.
2. Kod — logiczny, ale z jednym krytycznym błędem.
3. Tempo pracy — świetne jak za tę cenę.

Claude Sonnet 4.5 — stabilność i jakość

Ten sam task wrzuciłem do Claude. Efekt? Bardziej dopracowany UI, poprawny język, filtrowanie działające od razu i czystszy kod. Ale — i to ważne — Claude również popełnił krytyczny błąd w zapytaniu. To pokazuje, że nawet najlepsze modele nie zastąpią doświadczenia programisty i review. AI świetnie przyspiesza development, ale nie rozumie jeszcze w pełni konsekwencji wydajnościowych swoich decyzji.

Wnioski? AI to turbo, ale kierowca nadal jest potrzebny

Oba modele wykonały zadanie — tu nie ma dyskusji. GLM zrobił to błyskawicznie i za ułamek ceny, Claude wykonał pracę z większą kulturą i stabilnością. Ale najważniejsza obserwacja z całego testu jest inna: żaden z nich nie zrozumiał w pełni kontekstu architektury, zależności w aplikacji ani długofalowych konsekwencji swoich decyzji.

I to jest właśnie sedno pracy z AI — modele potrafią generować kod, ale nie potrafią myśleć jak architekt systemu. Nie projektują, nie przewidują skutków, nie rozumieją, że pewne zapytania przy 10 rekordach są okej, ale przy 10 tysiącach mogą położyć aplikację na kolana. Nie czują produkcyjnych realiów, limitów baz danych, indeksów, cache’owania, kolejności pipeline’ów, a już na pewno nie biorą odpowiedzialności za to, co generują.

AI to turbo dopalacz, ale nadal taki, który działa według wzorców, a nie według doświadczenia. Dlatego człowiek — developer, tech lead, architekt — musi być w tym procesie sterownikiem, a nie pasażerem. Modele mogą przyspieszyć development o 30–70%, ale jeśli oddasz im stery bez kontroli, to prędzej czy później wyprodukują Ci kod, który będzie wyglądał dobrze, ale będzie zachowywał się fatalnie.

To trochę jak jazda samochodem z autopilotem: świetnie pomaga, prowadzi pewne odcinki nawet lepiej niż człowiek, ale w krytycznym momencie i tak musisz trzymać ręce na kierownicy. Bo kiedy coś pójdzie nie tak, to Ty ponosisz odpowiedzialność — nie auto i nie model.

Dlatego niezależnie od tego, czy używasz GLM, Claude czy czegokolwiek innego: AI może pisać kod, ale to Ty decydujesz, czy ten kod może trafić do produkcji. I to przez długi czas się nie zmieni.

Jeśli chcesz być szybki — AI Ci pomoże. Jeśli chcesz być dobry — musisz prowadzić AI. A jeśli chcesz zobaczyć więcej takich realnych testów i porównań, zapisz się na newsletter — tam zawsze lądują najświeższe eksperymenty, przykłady i wnioski z produkcji.