Umans Coder

Umans Coder 属于 glm-flash 系列，是一个开放权重的编码模型，上下文窗口为 1,048,576 tokens，单次最大输出 131,071 tokens。它要解决的核心问题是：把大体积代码库片段、长文档以及截图、录屏这类非纯文本材料一次性交给模型，再直接产出代码或结构化结果，以减少反复切分与人工拼接的麻烦。能力面覆盖推理、工具调用、结构化输出和附件输入，输入模态为文本、图像、视频，输出为文本，因此适合嵌入到自动化改码、缺陷定位、字段抽取等工作流里。官方标价输入、输出、缓存读均为 0 美元/百万 tokens，本站收录了 2 家平台的接入信息，其中既有免费条目，也有按输入 0.15 美元/百万 tokens、输出 0.5 美元/百万 tokens 计费的通道。本站未收录该模型的公开跑分，参数规模与训练细节也未见官方披露，选型时宜以自测结果为准。

选型建议需要开放权重、超长上下文和免费试用的编码场景值得优先试；若要求公开跑分背书，或任务以短文本高频调用为主，建议同时对比同家族其他版本再定。

• 把中型仓库的核心源码片段整体读入，做跨文件接口改造与重构建议
• 上传界面截图或操作录屏，让它定位前端问题并给出修改代码
• 通过工具调用串联检索与执行，搭建自动补测试、修缺陷的流程
• 对长文档批量抽取字段，以结构化输出直接进入下游系统
• 在内部试点或教学中用免费入口验证编码助手的可行性

基于 glm-flash 家族构建，公开信息可以确认其开放权重与超长上下文取向，但底层结构细节披露有限。

• 结构沿用 glm-flash 系列的技术路线，开放权重便于私有部署与二次微调，上下文窗口 1,048,576 tokens、单次输出上限 131,071 tokens，明显偏向长输入场景。
• 能力支持推理、工具调用、结构化输出与附件输入，输入可接受文本、图像、视频，输出为文本，适合把截图与录屏一并纳入编码任务的上下文。
• 披露官方未公布参数规模、训练数据与注意力实现等细节，公开资料对本模型的底层设计描述较少，只能确认其家族归属与权重开放状态。

开源权重

是

模型家族

glm-flash

本站未收录该模型的公开跑分，以下为结合能力清单与定位的定性判断，不涉及任何分数。

• 强项长上下文与多模态输入结合，可一次读入大段代码或带图、带视频的需求说明，并借结构化输出直接对接下游流程，工具调用适合串联检索与执行。
• 短板缺少第三方跑分与独立评测，代码正确率和长上下文稳定性缺乏外部验证；输出仅文本且单次上限 131,071 tokens，超长生成仍会被截断。
• 适合以编码和工具调用为主线、需要低成本反复试错的工作流，尤其适合长上下文检索增强类任务；对分数背书有硬性要求的正式选型评估则需额外自测。

官方标价输入、输出与缓存读均为 0 美元/百万 tokens，实际花费高低主要取决于走哪个接入平台。

• 定位官方口径为免费，试错与教学验证的边际成本极低，但免费不等于无限量，配额、速率与并发仍受具体接入方约束。
• 横向对比同家族 GLM Flash 系列在第三方平台的输入价区间约为 0.0285 至 0.2 美元/百万 tokens，本模型在这些平台上与家族同价，未见单独溢价。
• 平台差价models.dev 收录的条目为免费，models.dev·umans-ai 条目则为输入 0.15 美元/百万、输出 0.5 美元/百万、缓存读 0.03 美元/百万，同一模型不同入口价差明显。
• 省钱先用免费入口跑通流程与提示词，确认效果后再按需切到付费通道；高频重复的提示词尽量命中缓存读，压低长期成本。

同一个模型在不同网关的报价可能不同。本页基准取官方口径 免费 / 免费（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径本站未收录该模型的公开跑分，参数与训练信息亦无官方披露；价格、上下文与输出上限均以官方及平台标注为准，后续可能调整。
• 边界输出仅支持文本，图像与视频只能作为输入；单次输出上限 131,071 tokens，超长上下文也会带来延迟与显存压力，需评估实际吞吐。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。