Prestanite dvoumiti! GLM-5+GPT-5.3-Codex već jak, nadogradio sam uz njih alat za prebacivanje modela u Claude Code-u, zaista dobro.

GLM-5 zaista je u centru pažnje, većina domaćih Agent alata ga je integrisala, uključujući TRAE, Qoder, OpenCode itd.

I ja sam dva dana uzastopno intenzivno testirao, potpuno refactorovao i nadogradioo PaiSwitch, alat za prebacivanje osnovnog modela Claude Code-a.

Osim macOS verzije, dodao sam back-end i web front-end, back-end tehnički stek obuhvata SpringAI, MySQL i JDK 17.

Podržava AI asistent za pametno prebacivanje

Kod je već otvorenog koda na GitHub-u, oni koji žele od nule mogu raditi sekundarni razvoj (veoma pogodno za početnike, i u biografiji izgleda dobro).

https://github.com/itwanger/PaiSwitch

Naravno, overall ima još prilično prostora za optimizaciju.

Na primer, kasnije želim PaiSwitch kao kontejner, da ugradim Claude Code u njega, a zatim istoriju razgovora persistiram u MySQL, i iskoristim ElasticSearch za hibridnu pretragu, podržava kako ključnu reč tako i semantičku pretragu, što je još jedan scenario primene RAG-a.

Veći deo koda uradio je GLM-5, jedan deo preko GPT-5.3-Codex-a.

Iskreno, GLM-5+GPT-5.3-Codex je po mom mišljenju trenutno najstabilnija Vibe Coding kombinacija. Prvi daje obim i kvalitet, drugi precizno i efikasno, posebno u popravci bug-ova, učinak GPT-5.3-Codex-a je zaista besprekoran.

01. Zašto nam treba PaiSwitch?

Oni koji koriste Claude Code verovatno svi imaju ovu muku.

Da prebacite osnovni model, morate u .claude/settings.json da menjate, unosite ANTHROPIC_BASE_URL, ANTHROPIC_AUTH_TOKEN, posle izmene i da restartujete terminal.

Da koristite samo jedan model još i ide, problem je što sada dobrih modela ima previše.

GLM-5 upravo objavljen, programerska sposobnost prva medju otvorenim kodom; GPT-5.3-Codex neverovatno brz, Terminal-Bench 77.3%; nova verzija DeepSeek-a izlazi uskoro. Svaki model ima svoju ubica prednost.

Pomislio sam, da li možemo napraviti alat koji objedinjeno upravlja ovim modelima?

Neki će reći, zar ne postoji CC Switch? Zašto izmišljati topli vodu?

Nije isto, zaista nije isto, mogu kupiti auto na benzin, mogu i na struju, tako je bolje.

Rekao, uradio. Bacio sam zahtev na GLM-5:

Radim na alatu koji se zove PaiSwitch, glavna funkcija je prebacivanje osnovnog modela Claude Code-a. Već je završena macOS verzija, ali želim da dodam i web verziju, najbolje sa back-end-om za persistenciju. Osim toga, preko AI asistenta se može vršiti pametno prebacivanje modela.

Ovo je tehnički stek koji mi je GLM-5 dao.

Ovo je struktura direktorijuma, na prvi pogled jasno se vidi arhitektura projekta.

Ceo razgovor je trajao oko 22 sata, prilično dugo, povratna informacija GLM-5-a po mom mišljenju je prilično dobra, šta sam želeo, uglavnom je mogao da implementira.

Odziv je takođe brz, što je ključno.

02. Sposobnost popravljanja bug-ova GPT-5.3-Codex-a

Nakon što je GLM-5 završio razvoj okvirnog frejmvorka, prebacio sam se na GPT-5.3-Codex, uglavnom da testiram njegovu sposobnost u popravci bug-ova.

Uzmimo back-end logiku Function Calling-a, u početku je GLM-5 samo definisao funkcije, ali nije zaista pozvao.

Drugim rečima, AI asistent kaže da prebaci na određeni model, ali program nije zaista izvršio logiku prebacivanja.

Ovakav bug je prikriven, interfejs ne javlja grešku, povratna vrednost je normalna, ali funkcija jednostavno nije u redu.

Bacio sam problem GPT-5.3-Codex-u, bez ikakvog dodatnog objašnjenja.

Nije požurio da menja kod, već je prvo analizirao: koja je putanja izvršenja Function Calling-a? Gde se trenutni kod razlikuje od očekivanog ponašanja?

Zatim mi je ukazao na problem: definicija funkcije postoji, ali nema izvršenja. Zatim mi je pomogao da dopunim funkciju, i aktivno kompajlira da vidi ima li sintaksnih grešaka.

Ne samo to, GPT-5.3-Codex će i aktivno proveriti granične slučajeve.

Na primer, funkcija je brisanje razgovora, očigledno u ovakvom scenariju ne bi trebalo ponovo povlačiti zapise sa back-end-a.

Ovo ranije uopšte nisam razmišljao.

Ovaj korak viška koji GPT-5.3-Codex uradi, za iskusne programere možda nije mnogo, ali za početnike, zaista je od pomoći.

Kao iskusan stariji kolega, ne gleda samo u onu tačku koju ste spomenuli, već će vam pomoći da celu lančanu liniju pređete.

Nakon izmene koda, IntelliJ IDEA radi topli reload.

I front-end je pokrenut.

Otvorite web interfejs, upravljanje modelima, prebacivanje jednim klikom, test veze, sve radi.

Ovaj osećaj je kao da ste upravo sastavili auto, okrenete ključ i motor odmah radi.

Odlično.

03. Razlika između GLM-5 i inostranih modela

Naravno, između GLM-5 i inostranih modela kao što su GPT-5.3-Codex i Claude Opus 4.6 i dalje postoji razlika.

Iako je GLM-5 u tri evaluacije Agent-a: BrowseComp, MCP-Atlas, τ2-Bench osvojio prvo mesto među otvorenim kodom.

Ali iz stvarnog iskustva, od vrhunskih modela za programiranje nas deli još uvek izvesno rastojanje koje moramo da stignemo.

Model	Obim parametara	Ključna prednost
GLM-5	744B (aktivnih 40B)	Agent sposobnost prva u otvorenom kodu, jaka inženjerska sposobnost sistema
GPT-5.3-Codex	Nije javno	Terminal-Bench 77.3%, brzina rezonovanja puna
Claude Opus 4.6	Nije javno	SWE-bench Verified 80.8%, enterprise aplikacije

Gde je razlika?

Ovog puta sam intenzivno testirao 22 sata, da ispričam stvarni osećaj.

GLM-5 je veoma dobar u sistemskom inženjeringu, date mu kompletan zahtev, može da vam podigne frejmvork, piše interfejse, konfiguriše bazu, overall razmišljanje jasno. Ali na onih naročito prikrivenih bug-ova, ponekad morate više puta da ga podsetite da bi ih locirao.

GPT-5.3-Codex je drugačiji. Nalepite poruku o grešci, on odmah analizira lanac poziva, kaže vam u kom koraku je problem, zašto je nastao, a zatim daje rešenje. Taj osećaj je kao da pored vas sedi iskusan kolega, pogleda i zna gde je problem.

Još i brzina odziva. Strimovani izlaz GLM-5-a je već veoma fluidan, ali prvi token GPT-5.3-Codex-a ima nižu latenciju, posebno pri obradi složene logike koda, ta razlika se jasno oseti.

Ipak, GLM-5 je otvorenog koda, ovo je previše važno. Možete lokalno da ga postavite, podaci ne moraju na inostrane servere, za enterprise aplikacije, ova prednost je nezamenljiva.

04. Kako upisati u biografiju?

Projekat PaiSwitch je zapravo veoma pogodan za upisivanje u biografiju, jer tehnički stek koji obuhvata je sveobuhvatan, i to je kompletan full-stack projekat.

Naziv projekta: PaiSwitch - platforma za upravljanje Claude Code modelima

Kratak opis projekta: Alat za upravljanje Claude Code-om sa podrškom za prebacivanje više modela, pruža macOS klijent, web front-end i back-end servis, podržava AI pametno prebacivanje i upravljanje istorijom razgovora.

Tehnički stek: Spring Boot 3.x, SpringAI, MySQL 8.0, Vue 3, Function Calling, JDK 17

Ključne odgovornosti:

1. Dizajn i implementacija objedinjenog sloja za pristup više modela zasnovanog na SpringAI, podržava dinamičku konfiguraciju i topla prebacivanja više velikih modela kao što su GLM, GPT, Claude, smanjuje vreme prebacivanja modela sa ručne izmene konfiguracije od 5 minuta na web prebacivanje jednim klikom za 3 sekunde.

2. Iskorišćen Function Calling za implementaciju funkcije AI pametnog asistenta, korisnik može prirodnim jezikom opisati potrebu (kao „prebaci me na model sa najjačom sposobnošću programiranja”), sistem automatski prepoznaje nameru i izvršava prebacivanje modela, poboljšava korisničko iskustvo.

3. Dizajn strukture tabela baze za konfiguraciju modela, implementirano persistirano skladištenje i upravljanje informacijama o modelima, podržava šifrovano skladištenje API ključa, test veze, uvoz i izvoz konfiguracije i druge funkcije.

4. Razvoj nativnog macOS klijenta, shell skriptom realizovana automatska izmena konfiguracione datoteke Claude Code-a i ubrizgavanje promenljivih okruženja, rešava problem sinhronizacije konfiguracije između terminala.

5. Implementirana arhitektura razdvajanja front-end-a i back-end-a, back-end pruža RESTful API, front-end zasnovan na Vue 3 gradi responzivni interfejs, podržava module kao što su upravljanje modelima, pregled istorije razgovora, interakcija sa AI asistentom.

Dodatne tačke za intervju:

• Može se razgovarati o prednostima i manama SpringAI, i zašto ga izabrati umesto LangChain-a
• Princip implementacije Function Calling-a, i kako obraditi izuzetke pri pozivu funkcija
• Dizajn razmišljanja o objedinjenom pristupu više modela, kako apstrahovati razlike u API-ju različitih modela
• Rešenje za šifrovano skladištenje u dizajnu baze, kako obezbediti sigurnost API ključa

Vrednost ovog projekta je u tome što rešava stvarni bol, i tehnički izbor je relativno nov, može da pokaže vaše razumevanje AI inženjerstva.

05. Dalji planovi

PaiSwitch je sada samo embrion, imam još ideja za postepeno dodavanje.

Na primer, čuvanje istorije razgovora Claude Code-a u MySQL, podrška pretrazi.

Ili direktno pokretanje Claude Code-a u ovom alatu, kao kontejner. Zatim podrška pretrazi istorije razgovora, slično Cowork-u, prirodna pretraga jezika, sa povezanošću.

Još jedan pravac je uljepšavanje interfejsa. Spreman sam da pustim različite modele da dizajniraju interfejs, vidim koji lepo uradi, taj koristim. Neka AI takmiči sa AI-jem, mi uživamo u plodovima.

Interfejs za upravljanje modelima već može da se koristi, klikom na „test veze” možete proveriti da li je konfiguracija ispravna.

Zainteresovani mogu direktno na GitHub da uzmu kod: https://github.com/itwanger/PaiSwitch

Klonirajte, konfigurišite API ključ, pokrenite back-end i front-end i može da se koristi.

ending

Put AI programiranja, što dalje ide, to je zanimljiviji.

Ranije smo dvoumili koji editor, koji frejmvork. Sada dvoumimo koji model, kako prebaciti, kako kombinovati.

Alati se menjaju, ali suština ostaje: neka mašina radi teške poslove, a mi svoju energiju posvetimo stvaralaštvu.

GLM-5 može da radi sistemski inženjering, GPT-5.3-Codex može u sekundama da popravi bug.

Kombinovano korišćenje, za nas programere, takođe je dobra stvar.

Iskreno, ovaj proces refactorovanja PaiSwitch-a me je poprilično dirnuo.

Pre dve godine, kod sam još uvek kucao red po red, na bug bi prvo sam mislio, ako ne usmem, išao bih na Stack Overflow da tražim, ako ne nađem pitao bih kolege. Od ideje do produkcije jedne funkcije, najmanje nekoliko dana.

Sada je drugačije.

Imate ideju, bacite je na AI, on vam podigne frejmvork. Nađete bug, nalepite na AI, on vam locira i popravi. Želite neku funkciju, jasno je opišete, on vam implementira.

Ceo proces je kao da upravljate neumornim asistentom.

Ne umara se, ne žali se, ne kaže vam da je zahtev prečudan. Samo tiho izvršava i daje vam rezultat.

Naravno, taj rezultat nije nužno savršen.

Ali čak i ako nije savršen, oslobodio vas je 80% repetitivnog rada.

Preostalih 20% je mesto gde zaista morate da razmišljate: dizajn arhitekture, poslovna logika, korisničko iskustvo. To AI za sada još ne može da vam pomogne, ili pomaže nedovoljno dobro.

PaiSwitch je samo mali pokušaj.

Rešava mali bol: prebacivanje modela je previše komplikovano.

Ali iza tog malog bola je zapravo veći trend: ulazimo u eru koegzistencije više modela.

GLM-5 je jak u sistemskom inženjerstvu, GPT-5.3-Codex u preciznim popravkama, Claude u složenom rezonovanju, DeepSeek u odnosu cene i performansi.

Svaki model ima svoje jake strane, i svoje slabe.

Ono što treba da radimo nije izabrati „najbolji” model, već naučiti da koristimo različite modele u različitim scenarijima.

Kao što nećete čekićem da okrećete šaraf, ni odvijačem da zabijate ekser.

Alat se mora koristiti na pravom mestu da bi dao maksimalnu vrednost.

PaiSwitch radi upravo to: čini prebacivanje modela dovoljno jednostavnim, toliko jednostavnim da ne morate da razmišljate „kako da prebacite”, već samo „koji da izaberete”.

[Neka svako pronađe svoj način AI programiranja, da kod više ne bude teret, već produžetak kreativnosti.]

Ako vam je ovaj sadržaj koristan, setite se da lajkujete i prosledite.

Vidimo se sledeći put!