实测GLM-5.2百万上下文，我让他做了85页的世界杯前瞻！

就在昨天，魔幻得有点不真实。

早上一睁眼，看到 Anthropic 收到了美国商务部的一封信。理由是国家安全，要求他们立刻停掉所有外国人对 Fable 5 和 Mythos 5 的访问。不只是美国境外，连美国境内的外籍人士、Anthropic 自己的外籍员工，都得停（好家伙...按这逻辑，连 Andrej Karpathy 都得被请出去，人家是斯洛伐克人。前脚刚加入 Anthropic，后脚自家最强的模型就用不上了，心疼他一秒）

然后 Anthropic 做了个谁都没料到的决定：为了合规，干脆把 Fable 5 和 Mythos 5 对所有人全部关停。好嘛，美国人自己也用不了了。

我中午看到这消息，心凉了半截。Fable 5 确实强，号称全世界最强不算吹，结果领了几天体验下就算结束了。

然后，很有趣，昨天下午智谱就发了篇公告。

第一句话是这么写的：「在一些前沿模型突然变得不可用的时刻，我们选择相信另一条路：前沿智能不应只属于少数人，也不应被少数规则随时收回。」

紧接着，GLM-5.2 来了。真正可用的 1M 上下文，下周开源，走 MIT 协议。

时间点也很好玩，Anthropic 是 5 点 21 收到的那封信，智谱就把开放时间也定在了 5 点 21。一边在关门，一边在开门，还真挺有情怀的。

GLM-5.2 我当天晚上就上手了。说起来，之前 GLM-5、GLM-5.1 出来的时候我也没少用，对智谱这条线一直挺熟。这次 5.2 最让我惊喜的，是直接上了 1M 的长上下文。

有了这个，我想整波大活。

别人让模型猜比分，我想玩点不一样的

最近世界杯正打着，我刷到一堆博主在用大模型预测比赛输赢。

但说实话，让大模型吐个预测比分这事，挺简单的。反正怎么编都能给你憋出个数来，以及因为有足够多的人预测，总会有算得对一点的幸存者，我觉得没什么意思。

我想玩点不一样的，尤其是想确认下GLM-5.2在超长上下文里会不会迷糊、超复杂工程会不会崩。

所以我把 GLM-5.2 接进了 Claude Code。

我丢给它的任务是这个：

把 2026 这届世界杯的小组赛，做成一整套前瞻 PPT。每一场对阵都要一页，要有国旗、对阵时间、场地、关键球员、影响胜负的核心洞察，还有赛果预测。已经踢完的比赛直接用真实赛果。

而且我还顺手挂了两个我自己的 skill 上去。

一个叫 freud-skill，专门给模型做认知准备的，这个还没正式发布，这里先卖个关子。另一个是 huashu-design，我自己那套做高保真 HTML 的设计规范。

我想看的就是：两个 skill 同时压上去，这个国产模型能不能接得住。

第一个坎：它差点栽在「世界杯有几场」上

任务一丢出去，第一个惊喜就来了，而且来得特别关键。

这里有个特别容易中招的地方：往届世界杯是 32 队，小组赛恰好就是 48 场。这个数字旧得太「合理」了，模型训练知识里多半也是这个老版本。自然而然的认为我所要求的全部小组赛是「48 场」，表面上一点毛病都没有。换个不太较真的模型，大概率顺着就往下做，最后做出一整套错的。

GLM-5.2 没有。

它做到一半，自己停了下来。它的原话大意是：用户说 48 场，但 2026 世界杯已经改制成 48 队、12 个小组，每组 4 队踢 6 场，12 组算下来是 72 场，这个我不能凭记忆断言，必须权威核实。

然后它真的去查了，FIFA 官网、ESPN、维基这些源交叉着核对。分组、已经踢完那几场的真实比分，全对了一遍。

这一下，我对它的好感度直接拉满。

我一直觉得，现在判断一个模型智力水平的关键要素是，看它知不知道自己可能记错，肯不肯在该停的地方停下来。知道多少是知识量，能靠搜索补；这份会自主纠错的特性则往往比较少见。

这次世界杯刚好改了制，72 场不是 48 场，是个绝佳的照妖镜。一个被遗忘的旧知识，差点把它带沟里，但事实核查的要求让它自己刹住了车。

它怎么搬动这个庞然大物

确认完数据和样式，我把需求又加码了，哈哈哈，我突然觉得自己是个任务中临时加需求的坏老板。

除了 72 场每场一页，我还要每个小组一页形势前瞻，再加一个整体封面。算下来，这是一个 85 页 的工程。

这种体量，一页一页顺着做必崩，要么中途断了，要么风格做着做着就飘了。

GLM-5.2 的处理方式，还挺不一样的。

它没有急着写第一页。两个 skill 先后起了作用：freud 那部分先给它自己做了认知准备，把身份锚定成「体育转播视觉总监 + 战术分析师」的合体，再由 huashu-design 把整套设计系统定下来。

然后它把整个工程拆成了五层流水线，从一个统一的数据源出发，到 12 个子 agent 并行去研究 12 个小组，再到批量渲染、聚合成一面总览墙。逐层怎么拆，它自己列在了下面这张图里。

这里面有个我特别认同的判断：它没有让那 12 个子 agent 直接去写 HTML，只让它们产出结构化的内容，HTML 由统一的模板来渲染。

理由很实在：让一堆 agent 各写各的页面，风格一定会飘。把内容和样式分开，85 页的风格才能锁死成一套。

这套思路，跟我平时盯大工程的做法几乎一模一样。它不是在「完成任务」，是在「设计怎么完成任务」，这两者差着一个段位。

而且它很克制，没有头铁地一口气冲完 85 页，而是先做几页样板让我定方向，确认了再批量。这点正是 freud 那个 skill 想要的效果：先确认认知位置对不对，再撒开跑。在错的方向上狂奔，是最大的浪费。

做出来的东西，到底好不好看

先看全貌。整套 85 页跑完，铺开是这么一面墙：1 张封面、12 个小组前瞻、72 场比赛，每一场一页。从我下需求到全部落地，前后大概一个小时。

再往里看几页。

我让它先出了两套风格让我选。

一套是深炭底加金色比分的转播特刊风，一套是纸白底大衬线的杂志编辑风。

老实说，结果超出我预期。

信息层次很清楚，该有的信息层都在，没漏；72 场体量这么大，风格还能保持统一，没有飘。它把一个最容易做散的活，做得很稳。

更难得的是，GLM-5.2 是个纯文本模型，它根本看不见自己画出来的页面。怎么办？它自己截了图，再调了个视觉模型去校验，挨页检查有没有溢出、裁切、字体没加载。一个看不见的人，靠这套笨办法把视觉问题兜住了。

而且，以最终设计效果来说，我觉得审美还挺长在我点上的，视觉上一眼就能区分核心要点，而且每一场该有的预测、数据和前瞻信息一点没少。他在执行介绍还会多模态的能力看图，实际校验PPT审美和内容边界是否有问题，我觉得是个挺成熟的设计师工作流程的。

最终效果如下（强烈建议打开视频看看！）

我的整体判断

把这一整套跑完，我的结论是这样的。

1M 上下文是真香。 我那份又长又啰嗦的项目规范+两个skill，喂到很深的位置，它还能老老实实遵循，没有读着读着就忘了前面。以前用短上下文模型，干到一半得反复存档交接，这次基本不用。而且怎么任务流程这么复杂，最后产出物更是庞然大物，能在一个对话窗口里稳定跑完还挺超出我预期的。

最直观的一个感受是这样的。 我现在用两个不同的命令，分别开原生 Claude Code 和接了 GLM-5.2 的 Claude Code。干着干着，要不是偶尔翻到最上面瞄一眼模型名，我已经基本分不清手里这个到底是 GLM-5.2 还是 Opus 4.8 了。输出看得懂、聊得明白、幻觉极低，活儿稳稳给你干完。

靠关键环节调用十几个 agent 一起跑，整套 85 页不到一个小时就全落地了，绝对效率还挺好的。如果你有比较大型的项目需要完成，GLM-5.2 + Claude Code 框架，是相当不错的选择。

一边在关门，一边在开门。

Fable 5 被下线不是它的错，技术本身是好的。

但这件事，反倒让我对另一条路更确定了。

其实这阵子，不止智谱一家，好几个国产开源模型都赶在这个当口放了新版本。说是被这波断供「逼」着吃上的红利也好，说是憋着一口气也好，看着它们一个接一个顶上来，我心里是真高兴。现在唯一替它们担心的是算力，就盼着大家的卡都撑得住，别被一下子涌进来的人挤爆了。

把前沿智能锁进少数人手里、说收回就收回的墙，看着挺高，可在汹涌向前的洪流底下，完全是螳臂当车。

智谱在公众号的公告结尾写了两句话，我看了很感动：

A step closer to frontier intelligence for everyone.

The future of AI is open, and it is for the people.

向前沿智能再近一步，为每一个人。AI 的未来是开放的，它属于所有人。

下周它就开源了。新的东西，总会来的。