MacaronV1实测主打UI、Agent与2.1M长上下文

卡尔的AI沃茨 · wechat · 2026-07-24

这篇文章讲什么

这是一篇对 MacaronV1 / GLM-5.2 的长篇实测与技术拆解。作者的关注点不是榜单数字，而是它在真实工作流里的稳定性、UI 生成能力、Agent 交互能力和超长上下文能力。

关键内容

作者先用短提示词测试它做网页 UI 的能力，认为它能在约 10 分钟内从零生成一个完成度较高、接近可直接部署的介绍页。
随后又测试了一个多智能体聊天室，模型能把不同角色分工出来，让它们持续对话，并生成阶段性总结。
在“引力粒子实验室”这类物理交互页任务中，模型能用纯 HTML/CSS/JavaScript 做出较稳定的粒子系统、可拖动引力源、排斥模式和速度限制。
在经典 2048 任务里，它也能正确处理合并顺序、无效移动、分数、胜负状态、键盘和触屏操作。
文中还解释了几个技术点：
MoL：冻结基座模型，只在 LoRA 空间做后训练，让聊天、Agent、代码、UI 等任务分别保留各自的“专业脑”。
A2UI：用于测试模型能否在对话里生成合适 UI 组件的插件。
LongStraw：一种扩展上下文的训练方法，通过只重播“做题过程”来降低显存压力。
作者提到，借助 8 张 H20 可以把 27B 模型训到 2.1M token 上下文；32 张 H20 也能跑通 GLM-5.2 这类更大的 MoE 模型。
另外还提到 MindForge 把真实 Agent 环境原封不动搬进训练，以及一个递归自我改进闭环：模型自己出题、自己做、审计轨迹、改 harness，再用优化后的数据继续训练。

总结

这篇文章的核心结论是：MacaronV1 更像一个在 UI、Agent、长上下文工程化上很能打的模型，而不只是一个“榜单更高”的模型；作者尤其看重它在真实任务中的稳定输出和可部署性。

「模型」频道最新