---
type: "BlogPosting"
title: "$18-Modell (GLM) als Worker in Claude Code & Codex — Kosten-Hebel ohne Setup-Wechsel"
description: "Der GLM Coding Plan ab 18 US-Dollar läuft in Claude Code und Codex, ohne dass du das Werkzeug wechselst. Setup, Übergabezettel und die ehrliche Kostenrechnung."
resource: "https://www.contextstudios.ai/de/blog/18-euro-modell-glm-als-worker-in-claude-code-codex"
language: "de"
tags: ["Claude Code", "Codex", "GLM", "Kostenoptimierung", "Agenten-Workflows"]
generated:
by: "process:contextstudios-md/1"
at: "2026-10-23T14:11:04.081Z"
status: "stable"
---
# $18-Modell (GLM) als Worker in Claude Code & Codex — Kosten-Hebel ohne Setup-Wechsel
Published: 2026-09-07
Tags: Claude Code, Codex, GLM, Kostenoptimierung, Agenten-Workflows
# $18-Modell (GLM) als Worker in Claude Code & Codex — Kosten-Hebel ohne Setup-Wechsel
Es ist 14 Uhr, das Feature ist zur Hälfte fertig, und Ihr Limit im 200-Dollar-Plan ist erreicht. Die drei naheliegenden Reaktionen sind alle schlecht: auf API-Preise ausweichen (teurer als das Abo), ein zweites Abo kaufen (noch ein Limit) oder den Nachmittag damit verbringen, das Projekt in ein fremdes Werkzeug umzuziehen. Es gibt eine vierte: den Anbieter des Modells wechseln und alles andere behalten.
Der GLM Coding Plan von Z.ai beginnt bei 18 US-Dollar im Monat und lässt sich sowohl in Claude Code als auch in Codex als Modellanbieter eintragen. Dateien, Regeln, Werkzeuge, Berechtigungen und Hooks bleiben unverändert — es wechselt nur, welches Unternehmen die Antworten liefert.
Wir betreiben unsere Agenten-Arbeit über gehostete und offene Modelle hinweg, und die betriebliche Frage ist selten „welches Modell ist klüger". Sie lautet: welcher Teil der Arbeit hat eine so klare Definition von *fertig*, dass ein günstigeres Modell ihn erledigen kann, ohne dass die Nacharbeit den Preisvorteil auffrisst.
## Die vier Dinge, die hier ständig vermischt werden
Nate B. Jones trennt in seiner Analyse vier Ebenen, die in der Debatte über „billigere Modelle" fast immer als eine behandelt werden ([Video, 22. August 2026](https://www.youtube.com/watch?v=4HvFqhtCb-A)). Die Trennung ist der ganze Trick:
1. **Das Modell.** Der Teil, der schlussfolgert und Tokens produziert. Austauschbar.
2. **Das Harness.** Claude Code, Codex — das Programm, das Dateien liest, Befehle ausführt, um Berechtigungen fragt und Ergebnisse anzeigt. Bleibt.
3. **Der Projektkontext in Dateien.** `CLAUDE.md`, `AGENTS.md`, Skills, Hooks, Testbefehle, Projektregeln. Portabel — jede Sitzung liest sie erneut, unabhängig vom Anbieter.
4. **Die Konversation.** Der flüchtige Verlauf einer Sitzung. **Nicht portabel.**
Wer den Modellwechsel für einen Ein-Zeilen-Vorgang hält, verwechselt meist 1 mit 4. Genau daraus entsteht der Effekt, dass ein billigeres Modell teurer wird: Die Entscheidungen der letzten Stunde stehen im Verlauf und nirgendwo sonst, die neue Sitzung kennt sie nicht und arbeitet sie erneut ab.
Daraus folgt die erste Regel: **Was Sie in Dateien schreiben, überlebt den Anbieterwechsel. Was nur im Chat steht, nicht.** Kontexthygiene ist an dieser Stelle kein Ordnungsfimmel, sondern eine Kostenfrage.
## Claude Code: eine zweite Startzeile, nicht ein zweites Werkzeug
Z.ai stellt einen Anthropic-kompatiblen Endpunkt bereit. Claude Code braucht damit nur drei Umgebungsvariablen, dokumentiert im [Z.ai Developer Guide](https://docs.z.ai/devpack/tool/claude):
| Variable | Wert |
|---|---|
| `ANTHROPIC_BASE_URL` | `https://api.z.ai/api/anthropic` |
| `ANTHROPIC_AUTH_TOKEN` | Ihr Z.ai-API-Schlüssel |
| `ANTHROPIC_DEFAULT_SONNET_MODEL` | `glm-5.3` |
| `ANTHROPIC_DEFAULT_OPUS_MODEL` | `glm-5.3` |
| `ANTHROPIC_DEFAULT_HAIKU_MODEL` | `glm-5.3-flash` |
Der praktische Weg ist **nicht**, die vorhandene Konfiguration umzuschreiben, sondern einen zweiten Startbefehl anzulegen:
```bash
# ~/.zshrc — die normale Installation bleibt unangetastet
claude-glm() {
ANTHROPIC_BASE_URL="https://api.z.ai/api/anthropic" \
ANTHROPIC_AUTH_TOKEN="$ZAI_API_KEY" \
ANTHROPIC_DEFAULT_SONNET_MODEL="glm-5.3" \
ANTHROPIC_DEFAULT_OPUS_MODEL="glm-5.3" \
ANTHROPIC_DEFAULT_HAIKU_MODEL="glm-5.3-flash" \
API_TIMEOUT_MS=3000000 \
claude "$@"
}
```
`claude` öffnet weiterhin eine Anthropic-Sitzung, `claude-glm` eine Z.ai-Sitzung. Beide sehen dasselbe Repository, dieselbe `CLAUDE.md`, dieselben Hooks und MCP-Server. Verhält sich die GLM-Verbindung schlecht, schließen Sie das Fenster — an der normalen Installation wurde nichts verändert.
Den Schlüssel gehört in Ihre Shell-Umgebung oder einen Secret-Manager, **nicht ins Projekt**. Wer den automatischen Weg bevorzugt: `npx @z_ai/coding-helper` schreibt die Konfiguration selbst.
Was **nicht** mitkommt: der bisherige Gesprächsverlauf, der Prompt-Cache und jede Entscheidung, die Sie nie außerhalb des Chats notiert haben.
## Codex: ein Profil statt einer zweiten Sitzung
Codex löst dasselbe Problem eine Ebene tiefer — über Profile in `~/.codex/config.toml` ([Z.ai-Dokumentation](https://docs.z.ai/devpack/tool/codex)):
```toml
[model_providers.ZAI]
name = "ZAI"
base_url = "https://api.z.ai/api/v1"
experimental_bearer_token = ""
wire_api = "responses"
[profiles.glm]
model_provider = "ZAI"
model = "glm-5.3"
model_reasoning_effort = "max"
```
Danach startet `codex --profile glm` einen GLM-Lauf, während `codex` weiter über Ihre OpenAI-Konfiguration läuft. Auch hier gilt: dasselbe Projekt, dieselben `AGENTS.md`, dieselben Regeln — aber eine neue Konversation.
Das ist der Unterschied in der Arbeitsweise: Claude Code fühlt sich wie ein Cockpit an, in dem Sie nah an der Arbeit bleiben und steuern; Codex eher wie ein Dispatcher-Pult, an dem Sie Aufträge losschicken und die Ergebnisse prüfen. Beide Stile bleiben erhalten, wenn ein anderes Unternehmen die Intelligenz liefert — sie hängen am Harness, nicht am Modell.
## Der Übergabezettel: sechs Zeilen statt 40 Runden Verlauf
Wenn eine Aufgabe mitten im Lauf an das günstigere Modell geht, ist die Versuchung groß, den Gesprächsverlauf zu kopieren. Das ist der teuerste Weg: Das neue Modell muss erst herausfinden, welcher Teil davon überhaupt relevant war. Besser ist ein Übergabezettel mit sechs Feldern, den das abgebende Modell selbst schreibt:
```markdown
Ziel: Diese 38 API-Aufrufe auf den neuen Feldnamen umstellen.
Stand: Branch ist sauber; betroffene Aufrufe in src/api/ und src/jobs/.
Dateien: src/api/*.ts, src/jobs/sync.ts, tests/api.spec.ts
Constraints: Die öffentliche API nicht verändern. Keine neuen Abhängigkeiten.
Fertig ist: Der alte Feldname kommt nirgends mehr vor, alle Tests laufen grün.
Checks: pnpm test && pnpm lint && pnpm build
```
Diese sechs Zeilen sind zugleich ein Diagnosewerkzeug. **Wenn sich eine Aufgabe nicht in diese Form bringen lässt, ist sie für das günstigere Modell nicht geeignet.** Nicht weil GLM zu schwach wäre, sondern weil die Aufgabe noch nicht definiert ist.
## Lead und Worker: zwei Sitzungen, ein Git-Worktree
Nächstliegender Gedanke in Claude Code: den Sub-Agenten auf ein anderes Modell legen. Das trägt nicht. Ein normaler Sub-Agent startet bewusst mit frischem Kontext, und ein *geforkter* Sub-Agent, der den vollen Verlauf erbt, muss dasselbe Modell nutzen wie der Elternprozess. Einen eigenen Anbieter je Kind-Agent gibt es nativ nicht.
Das tragfähige Muster ist gröber und robuster:
- **Lead:** die gewohnte Anthropic-Sitzung. Entscheidet, was die Aufgabe ist, und prüft am Ende.
- **Worker:** eine `claude-glm`-Sitzung, die den Übergabezettel bekommt.
- **Trennung:** Der Worker arbeitet in einem eigenen `git worktree`, damit sich beide Sitzungen nicht gegenseitig die Dateien unter den Händen wegändern.
```bash
git worktree add ../projekt-worker -b feature/api-feldname
cd ../projekt-worker && claude-glm
```
Der Worker liefert zurück: geänderte Dateien, ausgeführte Checks und alles, was er nicht auflösen konnte. Der Lead prüft, wenn die Änderung Gewicht hat. Es bleibt ein Projekt und ein vertrautes Werkzeug — nur mit einer ausgesprochenen Übergabe dazwischen. Wie sich das in einen größeren Mehr-Agenten-Ablauf einfügt, haben wir im [Builder-Guide für Claude Code 2.0](https://www.contextstudios.ai/de/blog/der-komplette-builder-guide-fr-claude-code-20-von-nebenfragen-bis-zum-multi-agent-review) beschrieben.
## Welche Arbeit an das günstige Modell geht — und welche nicht
Die Trennlinie verläuft nicht entlang „schwer" und „leicht", sondern entlang **prüfbar** und **unklar**:
| An den Worker (GLM) | Beim starken Modell behalten |
|---|---|
| Klares Ziel, klarer Endzustand | Die Frage, was die Aufgabe überhaupt sein soll |
| Beispiele derselben Art liegen im Repo | Verborgener Zustand, widersprüchliche Belege |
| Tests entscheiden, ob es fertig ist | Risikoabwägungen mit Folgen |
| Begrenzter Dateikreis | Ursachensuche über Systemgrenzen hinweg |
| Umbenennungen, Migrationen, wiederkehrende Muster | Architekturentscheidungen |
Ein Beispiel für die rechte Spalte: eine sporadische Authentifizierungsstörung. Ein günstiger Worker darf dort Logs sammeln und Codepfade nachzeichnen — die eigentliche Untersuchung bleibt beim stärksten Modell, dem Sie vertrauen.
Und der Reihenfolge-Hinweis, der am meisten Geld spart: **Beginnen Sie eine größere Aufgabe mit dem Modell, das sie auch beenden soll.** Vierzig Runden Verlauf aufbauen und den Anbieter dann auf der Zielgeraden wechseln ist der Fall, in dem das billige Modell sicher teurer wird.
## Was das wirklich kostet
Hier gehört Ehrlichkeit hin, sonst wird aus einem Werkzeug ein Versprechen:
- **Der 18-Dollar-Plan ist nicht der 200-Dollar-Plan.** Andere Limits, anderes Token-Budget, andere Problemlösefähigkeit. Z.ai arbeitet mit Fünf-Stunden- und Wochenfenstern.
- **Rechnen Sie voll geladen.** Der ehrliche Preis ist Tokens plus Wiederholungsläufe plus Ihre Review-Zeit. Ein Lauf, den Sie zweimal starten und dann selbst nacharbeiten, war nicht billig.
- **Testen Sie an Ihrem eigenen Code.** Die Komplexität Ihres Repos entscheidet, nicht ein Benchmark. Geben Sie dem Worker bewusst auch anspruchsvolle Aufgaben und nehmen Sie zurück, wo es scheitert — so finden Sie die tatsächliche Grenze.
- **Wechseln Sie nicht mitten im Gespräch hin und her.** Sichtbarer Verlauf ist nicht der ganze Zustand; Prompt-Caches und Modellverhalten ändern sich mit.
Dasselbe Prinzip trägt übrigens ohne Anbieterwechsel: Auch ein kleineres Modell desselben Hauses ist ein Worker. Was GLM 5.3 an eigener Leistungsfähigkeit mitbringt, haben wir in [GLM-5.3: Frontier-Coding mit emergenten Cyber-Fähigkeiten](https://www.contextstudios.ai/de/blog/glm-53-frontier-coding-mit-emergenten-cyber-fhigkeiten) eingeordnet; die Migrationslogik zwischen zwei Harness-Generationen steht in der [Codex- und Opus-4.7-Checkliste](https://www.contextstudios.ai/de/blog/codex-und-opus-4-7-fast-mode-migrationscheckliste).
Diese Aufteilung für einen konkreten Stack zu bauen — welche Aufgaben an den Worker gehen, wie der Übergabezettel aussieht und woran Sie Rückläufer messen — gehört zu dem, [woran unser Team arbeitet](https://www.contextstudios.ai/de/leistungen).
## Häufig gestellte Fragen
**Muss ich mein Werkzeug wechseln, um GLM 5.3 zu nutzen?**
Nein. Sowohl Claude Code als auch Codex nehmen Z.ai als Modellanbieter entgegen — Claude Code über `ANTHROPIC_BASE_URL`, Codex über ein Profil in `config.toml`. Dateien, Hooks, Berechtigungen und MCP-Server bleiben unverändert ([Quelle](https://docs.z.ai/devpack/tool/claude)).
**Nimmt die neue Sitzung meinen bisherigen Gesprächsverlauf mit?**
Nein. Portabel ist nur, was in Dateien steht — `CLAUDE.md`, `AGENTS.md`, Skills, Testbefehle. Der Verlauf und der Prompt-Cache bleiben zurück. Deshalb der Übergabezettel mit Ziel, Stand, Dateien, Constraints, Definition von fertig und Checks.
**Kann ich einen Sub-Agenten in Claude Code auf GLM legen?**
Nativ nicht. Ein geforkter Sub-Agent muss dasselbe Modell nutzen wie der Elternprozess, und einen eigenen Anbieter je Kind-Agent gibt es nicht. Der praktikable Weg sind zwei Sitzungen — Lead und Worker — mit dem Worker in einem eigenen `git worktree` ([Quelle](https://www.youtube.com/watch?v=4HvFqhtCb-A)).
**Welche Aufgaben eignen sich für das günstigere Modell?**
Die mit klarem Ziel, begrenztem Dateikreis, Beispielen im Repo und Tests, die über *fertig* entscheiden. Ursachensuche mit verborgenem Zustand und Entscheidungen über das Was gehören zum starken Modell.
**Spare ich damit tatsächlich Geld?**
Nur wenn Sie voll geladen rechnen: Tokens plus Wiederholungen plus Review-Zeit. Der 18-Dollar-Plan hat kleinere Limits und ist kein Ersatz für ein 200-Dollar-Abo, sondern eine zweite Spur für begrenzte, prüfbare Arbeit.
## Quellen
1. [Z.AI Developer Docs — Claude Code](https://docs.z.ai/devpack/tool/claude)
2. [Z.AI Developer Docs — Codex](https://docs.z.ai/devpack/tool/codex)
3. [Nate B. Jones — Stop Paying $200 For Work An $18 Model Can Do Inside Claude Code And Codex (YouTube, 22. August 2026)](https://www.youtube.com/watch?v=4HvFqhtCb-A)
4. [Anthropic — Claude Code Sub-Agenten](https://docs.claude.com/en/docs/claude-code/sub-agents)
5. [Git — worktree](https://git-scm.com/docs/git-worktree)
## Related
- [KI-Agent-Entwicklung](https://www.contextstudios.ai/de/ki-agent-entwicklung.md)
- [KI-Entwicklung](https://www.contextstudios.ai/de/ki-entwicklung.md)
- [LLM-Integration](https://www.contextstudios.ai/de/llm-integration.md)
- [KI-Workflow-Automatisierung](https://www.contextstudios.ai/de/ki-workflow-automatisierung.md)