前置条件
- 1已安装 VS Code 1.95 或更高版本（帮助 → 关于可查版本号）
- 2已注册智谱开放平台 open.bigmodel.cn 账号并拿到 API Key
- 3本地路径需要 NVIDIA 显卡（单卡 24GB 起）+ 已装 CUDA 12.1 以上驱动
- 4已安装 Node.js 18 以上（Continue / Cline 依赖）
- 5了解基本的 JSON 配置文件编辑
读完想动手？新用户首单 8 折上云
服务器 + 大模型 API + 对象存储，新用户首购享 20% 补贴
常见问题
QGLM-5.2 和 DeepSeek V4.1 Flash、Kimi K3 比该怎么选？
按「你要不要把权重抱回家」这条线来切。GLM-5.2 的最大差异是开源权重可直接本地部署，代码完全不出内网；DeepSeek V4.1 Flash 赢在 1M 超长上下文和极低价；Kimi K3 在超长文档理解上更强。如果你在金融、政企、医疗这类有数据合规红线的环境，GLM-5.2 几乎是唯一能在 VS Code 里合法用起来的国产旗舰；如果只是个人开发，云端按次付费更省心。
Q24GB 单卡真的能跑 GLM-5.2 吗？
完整版跑不了。106B 参数 FP16 要 212GB 显存，四卡 A800 起步。24GB 单卡跑通的是 GLM-5.2-9B 这个蒸馏版本，FP16 占 18GB，加 3GB 左右的运行时和 KV cache 开销刚好卡住；如果想要更长的上下文，建议用 AWQ 或 INT4 量化，显存压到 6GB 上下，剩下的空间全给 KV cache，128K 上下文也能稳住。选型表里有三档的完整显存账。
Q云端和本地切换要不要改客户端？
不需要换客户端，甚至不用重装扩展。只要坚持走 OpenAI 兼容协议，云端和本地的差异只有一个 apiBase 字段：云端填 https 的官方地址，本地填 http://127.0.0.1:8000/v1。本篇给出的 config.json 里把两个模型并列写在一起，Continue 右下角切一下就能在两个后端之间跳，出问题也好二分定位。
Q本地部署真的零成本吗？
不是。省的是按 token 计费的流量钱，多出来的是硬件、电费和运维。按我们的测算，十人团队重度使用云端月账单约 3080 元，换成双卡 4090 服务器后运营支出约 720 元，但硬件一次性投入五万二，按月省 2360 元算，回本周期 22 个月。所以私有化适合的场景是数据合规刚需 + 高并发 + 三年以上长期自用，个人开发者和小团队不建议为了省钱上本地。
Qweb_search 联网搜索在 VS Code 里怎么用？
智谱的接口是在请求体里传 tools 数组来开关联网，而 Continue 和 Cline 的配置项没有暴露这个字段，所以侧边栏里直接享受不到。两个变通办法：一是给需要联网的任务单独写个小 HTTP 请求脚本挂在 slash command 上；二是等官方适配，或者走 MCP server 把搜索能力包装成工具。生产环境里更稳的做法是本地模型配 Dify 或自建检索代填文档。
Q本地服务的响应速度比云端快还是慢？
分两段看。首字延迟本地完胜，我们实测本地 vLLM 是 0.11 秒，云端要 0.8 秒左右，差距来自网络往返；但生成吞吐反过来，云端 106B 集群约 118 tokens 每秒，本地单卡 9B INT4 只有 48 tokens 每秒。所以对 Tab 补全、短问答这类看首字延迟的任务本地更爽，对一次吐两千行长代码的生成任务云端更快。