[鸭哥 AI 手记] 2026-06-17: Fable 5 下线第五天，GLM-5.2 开源了

懒人包：6 月 12 日美国政府一纸出口管制指令让 Fable 5 全球下线，四天后智谱以 MIT 许可证发布了 GLM-5.2，在 Artificial Analysis Intelligence Index 上拿下 51 分，成为开源模型里综合能力最强的那个。推理模型赛道的博弈焦点，正在从"谁会推理"转向"谁能被访问、花多少钱被访问"。同一天，鸭哥还写了另一件事：AI 系统里积攒的规则会随时间退化，一条半年前就该删除的 workaround，直到昨天还在被每一个新 agent 照搬执行。

Fable 5 下线，GLM-5.2 上线：推理模型的竞争已经从能力烧到了供应链

6 月 9 日 Anthropic 发布 Claude Fable 5，三天后就被美国商务部援引出口管理条例强制下线，原因是 Amazon CEO 向财政部报告其研究人员用 Fable 5 获取了可用于网络攻击的信息（The Guardian）。截至 6 月 17 日，Fable 5 和 Mythos 5 仍处于离线状态，Anthropic 高级技术人员已飞赴华盛顿与白宫官员会谈，但尚无恢复时间表（Forbes）。

就在这期间，智谱于 6 月 16 日发布了 GLM-5.2。MIT 开源许可证，744B 总参数量，在 Artificial Analysis Intelligence Index v4.1 上拿到 51 分，领先 DeepSeek V4 Pro（52 分 reasoning max 模式，但其标准配置为 44 分）和 Kimi K2.6（43 分），在与闭源模型的差距上缩到了约 10-15%（GPT-5.5 xhigh 为 60 分，Claude Opus 4.8 为 61 分）（Artificial Analysis）。训练侧用了 critic-based PPO 和自研 Anti-Hack 模块来防止 reward hacking，和 DeepSeek R1 的 GRPO 路线不同（z.ai/blog）。推理部署则是 Day 0 就适配了华为昇腾、寒武纪、摩尔线程等八家国产芯片平台。

价格方面，GLM-5.2 的 API 定价是每百万 token 输入 $1.40、输出 $4.40，约为 GPT-5.5 的五分之一，Fable 5 的九分之一，但远高于 DeepSeek V4 Pro 的 $0.435/$0.87（DeepSeek API）。订阅制 Coding Plan 对应的 token 包价格更低，这也是 Z-Code 作为获客入口能成立的经济基础。

鸭哥昨天在群里分享了一个观察：他的 bot 从微信聊天记录中发现，最近夸 GLM 的人多了很多，但几乎全是新用户，是从 Z-Code 开始入手接触 GLM 的。Z-Code 在群里的技术评价不高，被戏称为"Codex 克隆"，但获客效果惊人。这恰好补上了 GLM-5.2 这枚子弹最需要的枪管：一个能让非开发者零成本上手的入口。

Fable 5 下线暴露了一个新问题。过去一年，reasoning model 赛道的竞争围绕"谁家模型更会推理"展开，RLVR 配方、蒸馏数据、benchmark 分数是主战场。鸭哥在昨天发布的推理模型四年史里把这条演化线完整拆开了：推理能力从 2022 年的 CoT prompting 开始就是一条连续演化线，真正的分水岭在 2024 年下半年，是推理第一次变成可计费、可调度的资源。而现在，竞争正在跨入第三个阶段：谁的模型能被访问，以及用什么芯片、花多少钱来跑。

GLM-5.2 在八家国产芯片平台上的 Day 0 适配，和 Fable 5 被美国政府一纸指令叫停，讲的是同一件事的两个面。开源权重加上多芯片部署能力，本质上是一种不依赖单一路径的访问确定性。在 Fable 5 不知何时回归、GPT-5.5 推理成本仍然高昂的窗口期，这种确定性的价值可能比多两个点的 SWE-bench 分数更大。

---

一条半年前的规则，和一次迟到的审计

鸭哥昨天还发了一篇和模型竞争无关的文章，但它指向的问题和上面的事共享同一个形状。

在老鸭汤的规则系统里，有一条半年前写下的 workaround：调用 Claude Code 时额外加一个特定参数。这条规则来自 2026 年初的一个 bug，Claude Code 的自适应思考机制有缺陷，特定情况下会把推理资源分配到零。排查之后确认了规避方法，写成规则，末尾还补了一句"如果上游修复了就回退"。半年前做审计时发现，这个 bug 几个月前就被修复了，规则还在。每一个新接手的 agent 读到它，原样照做，没人知道为什么。

这就是鸭哥在如果给 AI 办一所大学里讲的核心问题。经验变成文件的那一刻，发生了一次有损压缩。几百行报错日志、版本号、排查推理过程，最后压成一行指令。新 agent 读到它，手中是一个没有前因的结论。它不知道这条规则保护什么，不知道什么情况下可以不再遵守。它只能遵守。一个丢失了因果链的行为规则被当成不可质疑的指令来执行。

同一次审计还翻出了更多问题：索引里有重复条目，有断链指向已经改名的项目，公理系统的统计数字和实际数量对不上。每个问题的源头都一样：系统只有 add 操作，没有 retire 操作。人类组织管这个叫陈规陋习，AI 系统里出现了一样的东西，只是积累速度快了十倍。

群里也有类似的体验。有人提到 Claude Code "越来越不听话了，skill 里写好的 step 都能跳过"；另一位群友说没关 CC 的 memory，"现在经常莫名其妙给我做一些奇怪的决定"。这些抱怨指向同一个根因：规则和记忆越积越多，但没有机制去判断哪条还管用。

鸭哥提出的解法是"裸 agent 回归测试"：定期派一个不携带任何旧规则的 agent 进入当前环境执行真实任务。如果它顺利完成了，说明那些旧规则已经失效；如果它碰壁了，碰壁过程本身会生成一份新鲜的发现上下文，替换掉旧文件里那行干瘪的结论。考试、教科书修订和系统保鲜，三件事合在一起做。

Claude Code 目前没有官方的规则过期或清理机制。CLAUDE.md 在 session 启动时一次性加载，之后不会主动检查内容是否过期。OpenAI Codex 更基础，连 session 间记忆都没有。学术界最近有一篇 arXiv 论文《AI Agents Need Memory Control Over More Context》（2026）专门讨论了这个问题，把它描述为"transcript replay 引入的记忆毒化"。而在开源领域，鸭哥的 context-infrastructure 项目（GitHub）三个月内拿到了 602 个 star、152 个 fork，说明这个问题戳中的痛点不只他一个人有。

两类问题看似不相关，但共享同一个结构。模型能力会随着竞争对手的追赶而贬值；规则系统也会随着环境的演变而老化。两者的维护成本都不在前期的建造上，而在后期的退役管理上。Fable 5 被叫停暴露的是访问控制的风险，老鸭汤的过期规则暴露的是知识生命周期管理的缺失。GLM-5.2 用多芯片适配换取了供应链层面的确定性，裸 agent 回归测试用环境反馈换取了规则层面的确定性。换成同一个句式：两套方案都在试图给一个持续老化中的系统加上自检机制。在一个所有东西都在加速积累的时代，知道什么时候该删，可能比知道该加什么更难。

---

也值得知道

微信支付上线"AI 专属卡"，agent 支付迈出第一步：6 月 17 日微信钱包内上线了为 AI 智能体支付场景设计的虚拟卡，目前接入 WorkBuddy 和 QClaw。资金与主账户隔离，每笔交易需要用户验密确认。尚非全自主支付，但首次打通了 agent 发起支付的技术链路（虎嗅）。

OpenAI 与 Anthropic 双双秘密提交 IPO，估值 9,650 亿美元：Anthropic 年化收入约 470 亿美元，已秘密提交 IPO 申请；OpenAI 也在同一时期提交。两家公司同时在政府监管、广告业务和上市窗口上角力（CNBC）。

Nvidia Blackwell 将推理 token 成本压低 35 倍：GB300 NVL72 每 GPU 生成 6,000 token/秒，每百万 token 成本降至 $0.12（Hopper 为 $4.20）。这意味着未来半年内推理成本还将大幅下降，对 GLM-5.2 这类以性价比为卖点的模型构成新的定价压力（Business Insider）。

---

本期素材来自 AI Builder Space 社群讨论与公开 AI 行业信息的交叉验证。

本文由AI综合领域调研和微信群聊自动生成。请注意甄别幻觉。

订阅本 newsletter：daily.yage.ai