企业官网建设流程全解析

在 Claude Code 的 settings.json 里把 ANTHROPIC_MODEL 从 glm-5.2 改成 glm-5.3，重启后请求仍然落在旧模型；或者在 Codex 的 config.toml 里换了 model，却收到 model not found——这是 GLM-5.3 发布后很容易踩的坑。TaoToken 的解法是先用同一把 Key 收掉鉴权差异：到官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 注册并创建 Key，Base URL 固定为 https://taotoken.net/api，切版本只改 model 字段。GLM-5.3 与 GLM-5.2 基座相同，差异集中在后训练 Scaling，但官方 API 的模型 ID 和端点各自独立，如果按版本分别维护 Key 和 Base URL，每切一次都要重新配一遍鉴权。下面按「同一把 TaoToken Key，从 GLM-5.2 切到 GLM-5.3 跑 DeepSWE」的路径，把 Claude Code、Codex、CC Switch 三处配置拆开写。

1. GLM-5.3 发布后，settings.json 里换 model 为什么会碰到 model not found

GLM-5.3 在 2026 年 8 月 14 日中午发布。和 GLM-5.2 相比，这次最值得注意的技术路线是：基座模型参数量没有换，仍然约 7430 亿参数、MoE 架构，能力提升主要来自后训练阶段的规模化投入。官方表述是基座没变，但通过后训练 Scaling 提高了智能上界。后训练环境在三个方向上扩展：长程任务环境规模扩大数十倍、环境类型从代码调试延伸到安全漏洞发现和系统工程、后训练时长显著增加。

这套路线对使用者的直接影响不是架构，而是版本切换成本。官方 API 历史上每个 GLM-5 系列版本都有独立模型 ID，GLM-5.2 和 GLM-5.3 的端点、鉴权、模型字符串各自独立。你在 Claude Code 里把 ANTHROPIC_BASE_URL 指到智谱官方端点，再把 ANTHROPIC_MODEL 改成 glm-5.3，Key 可能也要重新换一把；如果用 Codex，还要再维护一套 provider 配置。如果团队里同时有人跑 GLM-5.2、有人跑 GLM-5.3，配置文件就会变成两套 Key、两套 Base URL、两套模型 ID。

GLM-5.3 的公开数据进一步放大了这种切换需求。官方 Z.ai Code Bench 高难度档完成率 31.4%，对比 Claude Opus 4.8 的 29.5%，同时平均 token 消耗约 5 万，约为 Opus 4.8 12 万 token 的 40%。第三方独立基准里，DeepSWE v1.1 从 GLM-5.2 的 46.2 提升到 GLM-5.3 的 66.9，Terminal-Bench 3.0 从 4.6 提升到 28.3。网络安全方向，CyberGym 以 84.5% 排在第一，Mythos 5 为 83.8%。模型权重计划在发布两周内开源，API 同步上线，具体定价尚未公布。

问题就出在这里：DeepSWE 从 46.2 到 66.9 的对比，是拿同一套任务分别跑 GLM-5.2 和 GLM-5.3 得到的。如果你在 Claude Code 或 Codex 里切了版本，但请求实际还落在 GLM-5.2，跑出来的分数自然对不上。更常见的情况是，模型 ID 尚未在官方渠道上架，或者你填的字符串和模型广场不一致，客户端直接返回 model not found。本文对应的场景不是「额度不够」，而是「换版本要换鉴权、换端点、换 model 字符串」——TaoToken 把鉴权和转发收口后，切版本只需要动 model 字段。

2. 在 TaoToken 官网创建 Key，并在模型广场确认 glm-5.3 的可用 ID

先处理 Key。访问官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，注册并登录，进入控制台创建 API Key。创建后复制出来，本文用 YOUR_API_KEY 占位。这个 Key 后面在 Claude Code、Codex、CC Switch 里共用同一把，不需要为 GLM-5.2 和 GLM-5.3 分别建 Key。

创建完 Key 后，在控制台找到模型广场或模型列表，搜索 glm。这里要做的是确认 GLM-5.3 在当前账号下实际可用的模型字符串。本文按目标配置写 glm-5.3，但模型 ID 必须以官网模型广场实际显示为准。如果广场里已经出现 glm-5.3，直接复制；如果显示的是带日期或别名的形式，按广场字符串填。若 GLM-5.3 尚未上架，可以先保持 glm-5.2，等模型广场出现后再改 model 字段，Base URL 和 Key 都不用动。

TaoToken 在这里承担的是统一鉴权与转发：AI 编程工具只认一个 Base URL 和一把 Key，具体请求最终转发到哪个模型由 model 字段决定。因此 GLM-5.2 与 GLM-5.3 的端点差异、鉴权差异不会泄漏到每个工具配置里。下面三处配置都围绕这个前提展开。

3. Claude Code：settings.json 里把 glm-5.2 改成 glm-5.3

Claude Code 的配置入口可以是项目级 .claude/settings.json、项目本地 .claude/settings.local.json，也可以是全局 ~/.claude/settings.json。推荐把 TaoToken 的公共配置放在全局 settings.json，项目级只覆盖必要字段。核心环境变量是 ANTHROPIC_BASE_URL、ANTHROPIC_AUTH_TOKEN、ANTHROPIC_MODEL。

切换前如果配置的是 GLM-5.2，settings.json 大致如下：

{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_AUTH_TOKEN": "YOUR_API_KEY", "ANTHROPIC_MODEL": "glm-5.2" } }

切到 GLM-5.3 时，只改 ANTHROPIC_MODEL 一行：

{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_AUTH_TOKEN": "YOUR_API_KEY", "ANTHROPIC_MODEL": "glm-5.3" } }

Base URL 仍然填 https://taotoken.net/api，末尾不带 /v1。Key 仍然是 YOUR_API_KEY，不需要重新创建。模型字符串以官网模型广场为准；如果广场显示的是 glm-5.3 的某个别名，把 ANTHROPIC_MODEL 改成对应字符串即可。

如果你习惯用 shell 环境变量，也可以这样临时验证：

export ANTHROPIC_BASE_URL="https://taotoken.net/api" export ANTHROPIC_AUTH_TOKEN="YOUR_API_KEY" export ANTHROPIC_MODEL="glm-5.3"

然后重新启动 Claude Code。注意 shell 里的 export 优先级通常高于 settings.json，如果之前 shell profile 里写过 ANTHROPIC_MODEL=glm-5.2，它会覆盖文件里的新值。排查「改了 settings.json 仍走 glm-5.2」时，第一步就是确认当前 shell 和项目级配置有没有更高优先级的旧值。

4. Codex：config.toml 的 model 与 model_provider 怎么改

Codex 用 config.toml，不要套 Claude Code 的 ANTHROPIC_* 变量。配置文件通常在 ~/.codex/config.toml。切换 GLM-5.2 到 GLM-5.3 时，provider 部分保持不变，只改 model 的值。

一个可参考的配置结构如下：

model = "glm-5.3" model_provider = "taotoken" [model_providers.taotoken] name = "TaoToken" base_url = "https://taotoken.net/api" env_key = "TAOTOKEN_API_KEY" wire_api = "chat"

环境变量单独设置：

export TAOTOKEN_API_KEY="YOUR_API_KEY"

如果之前是 GLM-5.2，只需要把 model = "glm-5.2" 改成 model = "glm-5.3"。base_url 仍然是 https://taotoken.net/api，env_key 仍然指向 TAOTOKEN_API_KEY。这样同一把 TaoToken Key 既服务 Claude Code，也服务 Codex，区别只在工具自己的配置文件格式。

不同 Codex 版本对 model_providers 字段的支持可能略有差异，wire_api 的取值也要以 TaoToken 文档和当前 Codex 版本为准。核心原则不变：provider 指向 TaoToken 的 Base URL，model 指向模型广场里的 GLM-5.3 字符串。不要把 ANTHROPIC_BASE_URL 或 ANTHROPIC_AUTH_TOKEN 写进 Codex 配置，这样不会生效，还会让排查方向跑偏。

5. CC Switch 三件套：同一把 Key，只动模型字段

如果你用 CC Switch 管理多个供应商或多个模型，配置可以归纳成三件套：Base URL、API Key、模型。切到 GLM-5.3 时，前两项保持不变，只改模型。

在 CC Switch 里新增或编辑供应商时，可以这样填：

供应商名称：TaoToken Base URL：https://taotoken.net/api API Key：YOUR_API_KEY 模型：glm-5.3

如果之前已经有一个 GLM-5.2 的配置，复制一份或直接编辑原配置，把模型从 glm-5.2 改成 glm-5.3。Base URL 不写 /v1，Key 用同一把。保存后切换当前供应商为 TaoToken，再重启 Claude Code 或 Codex，让配置重新加载。

CC Switch 的便利在于把「切换模型或供应商」变成界面操作，但底层仍然是同一套字段。排查时不要只看 CC Switch 界面上显示 glm-5.3，还要确认它实际写入的 settings.json 或 config.toml 是否已经更新。有些工具在运行时缓存了旧配置，重启后才会读取新模型。

6. 验证请求：一条 curl 确认请求真的落到 glm-5.3

改完配置后，先用一条最小请求确认 Key 和模型字符串匹配。下面这条调用走 OpenAI 兼容的 chat completions 路径，Base URL 是 https://taotoken.net/api，完整请求地址是 https://taotoken.net/api/v1/chat/completions：

curl -s https://taotoken.net/api/v1/chat/completions \ -H "Authorization: Bearer YOUR_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "glm-5.3", "messages": [{"role": "user", "content": "只回复当前模型版本"}], "max_tokens": 32 }'

如果返回正常的 completion 内容，且没有出现 model not found 或模型不可用提示，说明 TaoToken 已经接受这把 Key 和这个模型字符串。也可以先查模型列表：

curl -s https://taotoken.net/api/v1/models \ -H "Authorization: Bearer YOUR_API_KEY" | grep -i glm

模型列表是否开放以实际返回为准。只要能确认 glm-5.3 在列表里，后面的工具配置就有据可依。

接着做 DeepSWE 验证。原文里 DeepSWE v1.1 从 GLM-5.2 的 46.2 提升到 GLM-5.3 的 66.9，这个对比的前提是同一套任务、同一套工具、同一组参数分别跑两次。你可以在 Claude Code 里先用 /status 或启动信息确认当前模型，再跑同一组 DeepSWE 任务；在 Codex 里看启动日志中的 model 字段。不要用 GLM-5.2 跑 A 任务集、GLM-5.3 跑 B 任务集来比较，那样分数差异可能来自任务难度而不是模型版本。

7. 切版本后的排查清单：仍走 glm-5.2、model not found、DeepSWE 分数对不上

第一类问题是 model not found。最常见原因是 GLM-5.3 还没出现在你的模型广场里，或者模型字符串写错。先去官网模型广场搜索 glm，复制实际字符串；如果广场里没有 glm-5.3，说明当前账号或当前时间点还不可用，继续用 glm-5.2，等上架后再切。不要手动猜一个带日期后缀的 ID。

第二类问题是配置改了但请求仍走 glm-5.2。Claude Code 方向检查三处：shell 里是否 export 了旧的 ANTHROPIC_MODEL、项目级 .claude/settings.local.json 是否覆盖了全局 settings.json、CC Switch 是否把旧配置写回了文件。Codex 方向检查 model_provider 是否指向 TaoToken provider，以及 [model_providers.taotoken] 里的 base_url 是否仍是 https://taotoken.net/api。如果 provider 指到了以前的官方端点，model 改了也不会经过 TaoToken。

第三类问题是 Codex 报 provider 不支持或请求格式不匹配。这通常和 wire_api 有关，GLM 系列在 TaoToken 下一般走 chat 形式，具体以文档为准。把 wire_api 与模型端点对齐后，再重启 Codex。

第四类问题是 DeepSWE 分数对不上。先确认两次运行使用的是同一套任务、同一温度、同一 max_tokens、同一工具版本。再看客户端有没有缓存：Claude Code 有时需要重启才会重新读取 settings.json；Codex 也需要重新启动进程。最后确认模型广场字符串和实际请求中的 model 完全一致，大小写、连字符、日期后缀都不要漏。

8. 长期跑 Agent 任务：把 Key 与模型额度收口到 Coding Plan

上面已经在 Claude Code 的 settings.json 和 Codex 的 config.toml 里把 model 从 glm-5.2 切到 glm-5.3，并用一条 chat 请求验证通过。如果接下来要把这套配置长期用于 Coding Agent、批量跑 DeepSWE 或多人共用，建议把可用模型与额度放到 Coding Plan 里统一管理，避免每个工具各配一套 Key：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=coding-plan

如果你还要在 CC Switch 里维护多套供应商，或者需要新建、轮换 API Key，Key 的创建入口在控制台：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=api-keys

Claude Code 的完整字段、settings.json 覆盖顺序和 ANTHROPIC_* 变量说明，可以参考接入文档：https://taotoken.net/doc/ClaudeCodeAnthropic?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=claudecode

把这三处收口后，GLM-5.2 切到 GLM-5.3 就只剩下一行 model 字段的改动；DeepSWE 的对比也可以在同一把 Key、同一个 Base URL 下重复跑。