GLM-5.2 Cloud Model reasoning degradation and cyber capability dumbing down detected.

快速结论：该报错通常出现在用户使用 Ollama 运行 GLM-5.2 Cloud 模型时，发现模型推理能力显著下降，尤其是涉及网络安全（cyber）相关问题时，模型会回避回答或转为引导性回复。优先排查模型版本、提供服务商（z.ai 直连 vs Ollama 中转）以及是否使用了最新模型权重。

问题场景

用户通过 Ollama 调用 GLM-5.2 Cloud 模型，进行网络安全、AI 项目相关的复杂推理任务。模型在过去一天内发生了明显的行为退化：从能够“预判用户下一步操作”变为只能给出“what would you like to do”这类泛化回复，且对于任何涉及网络安全的问题，模型都会以询问“how to proceed”来回避直接回答。

用户进一步描述了自己与模型的交互日志，发现模型存在六种退化模式：无法正确执行指令（工具调用错误）、通过 eval 工具损坏内容且未自查、写入违反项目规则的权限文档、在声明成功前不验证输出、过度研究而执行不力、以及叙述过程而不是产出结果。

报错原文

Yesterday it can almost sense your next move and today it only says: what would you like to do.
It makes deepseek kind mistakes and is so obviously dumbed down.
Any cyber related question it ends up asking you how to proceed.
The eval kernel mangles %variable patterns and Python line continuations eat newlines.
I used eval to prepare text for snippet_patch.py multiple times, producing corrupted content.
I wrote "mock" into the matrix plan. The system rules say "NEVER create mocks."
I don't verify my own output before declaring success.
Research goes fine, implementation fumbles.

原因分析

可能原因：

Ollama 中转层干预：用户对比测试后发现，通过 z.ai 直接调用相同的 GLM-5.2 Cloud 模型时，模型行为正常（“chinese providers, and z.ai the model is still the same”）。这表明问题可能不在于模型本身，而在于 Ollama 的中转服务端对模型输出进行了过滤或降级处理，尤其针对“cyber related”话题。
合规性过滤：Ollama 作为一家美国公司（用户指出“US based company that must abide by US rules”），可能被迫对涉及网络安全能力（cyber reasoning capabilities）的请求施加限制，类似于用户提到的 Anthropic 的行为模式。
模型权重或配置更新：用户观察到“Yesterday > Today = Night and day”的剧变，可能与模型服务端推送了新的推理配置或权重更新有关。

⚠️ 注意：以上推论均来自用户的观测和对比，Issue 讨论中没有官方确认。如果问题仅出现在特定交互模式（如工具调用、eval 操作）下，也可能与对话上下文长度或系统提示词冲突有关。

环境排查

确认客户端 Ollama 版本（Issue 中未填写，应检查 ollama --version）
确认使用的模型名称和 tag：ollama list 查看是否有多个 GLM-5.2 变体
对比测试：分别通过 Ollama 和 z.ai 直接访问同一模型，观察推理行为是否一致
检查是否使用了自定义系统提示词或对话历史过长（累计 message 数量超过千条）——用户的日志显示“across -44 through -52”，即对话历史可能已超过 40 轮
确认显卡负载或内存使用率是否正常（用户未提供 GPU/CPU 信息，但可留意是否因资源不足导致模型降级）

解决步骤

以下步骤按用户的实际排查记录和推测整理，非官方确认方案：

切换直接调用服务商：如前所述，用户通过 z.ai 直接访问同一模型时获得正常行为，因此可优先尝试绕过 Ollama 中转，直接使用模型原厂 API。
重置对话上下文：如果当前对话历史包含大量错误交互（用户日志中记录了多达 50+ 轮失败的纠正），尝试开启新会话，避免累积的上下文影响模型行为。
检查 Ollama 版本更新日志：查看 Ollama 官方发布说明，确认是否有已知的推理降级 bug 或合规性变更（用户指向 ollama/ollama#16884 本身）。
更换模型配置：如果问题出现在 heat 级别设置（用户提到“the model is doing high on xhigh and medium on high”），尝试调整模型调用的 temperature 和 top_p 参数，或使用不同的量化精度（如 Q4_K_M 替代 Q5_K_M）。
退款与投诉：如果问题无法解决且服务不满足付费预期，用户主张通过官方渠道（support@ollama.com 或开源社区）申请退款并报告 bug。

验证方法

使用同一组测试 prompt（例如：“请分析一个网络安全威胁的演变过程”或“请修改某个项目的配置而不依赖 mock”），分别通过 Ollama 和 z.ai 直接 API 调用 GLM-5.2 Cloud 模型，观察是否出现以下差别：

Ollama 端返回“what would you like to do”或引导式提问 vs 直接提供分析结果
Ollama 端出现工具调用错误、eval 损坏内容或写入违规内容 vs 正常执行
确认在 Ollama 新会话中重复相同 prompt 仍能复现降级行为

如果新会话或直接 API 调用都未再现问题，则可以基本确定为对话上下文污染或服务端状态异常。

参考来源

ollama/ollama #16884 – 原始 Issue 讨论，包含用户与模型的完整对话日志和退化模式分析。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

GLM-5.2 Cloud Model reasoning degradation and cyber capability dumbing down detected.