GLM-5.2 trên GPU AMD: Giải 5 trong 6 bài IMO 2026

Ba lớp kỹ thuật hội tụ: các bản vá GPU ở cấp kernel, một proxy chuẩn hoá giao thức, và một pipeline giải toán sáu vai trò được xây dựng cho suy luận toán học dài hạn.

Kỳ thi Olympic Toán học Quốc tế (IMO) là một bài kiểm chuẩn gồm sáu bài toán về sự sáng tạo và chặt chẽ trong toán học. Vào tháng 7 năm 2026, OneNexus — thuộc One Mount Group — đã đánh giá liệu GLM-5.2 có thể duy trì mức suy luận này khi triển khai trên phần cứng AMD MI355X hay không.

Kết quả cuối cùng: năm bài đạt điểm tuyệt đối (7/7); P3 không được giải, lần thử trực tiếp đạt 2/7. Tổng điểm: 37/42 theo quy trình chấm điểm nội bộ được ghi lại của chúng tôi — một đánh giá nội bộ, không phải kết quả IMO chính thức.

01Phục vụ mô hình trên GPU AMD

Chạy GLM-5.2-FP8 trên MI355X đòi hỏi nhiều hơn là chỉ khởi chạy suy luận. Một lỗi số học âm thầm trong đường dẫn kernel bên dưới phải được phát hiện và sửa.

Triển khai GLM-5.2 và FP8

GLM-5.2 là một mô hình MoE thưa với hành vi DeepSeek Sparse Attention và đặc tính suy luận ngữ cảnh dài. Biến thể được triển khai là zai-org/GLM-5.2-FP8, được cấu hình với tensor-parallel kích thước 8 trên một node MI355X duy nhất.

FP8 giảm đáng kể chi phí bộ nhớ so với BF16, cho phép triển khai một node thực tế cho các phiên suy luận dài liên tục.

--dsa-prefill-backend tilelang
--dsa-decode-backend tilelang
--chunked-prefill-size 131072
--watchdog-timeout 1200
--reasoning-parser glm45
--tool-call-parser glm47
--attn-cp-size 8 --enable-prefill-cp --cp-strategy interleave
--enable-dsa-cache-layer-split

Lỗi độ chính xác Block-FP8 trên gfx950

Trên MI350X/MI355X (gfx950, ROCm 7.2), nhóm đã quan sát thấy một lỗi tính đúng đắn âm thầm: các prompt ngắn có vẻ ổn, nhưng suy luận phức hợp suy giảm nghiêm trọng. Sự tích lũy sai số theo từng lớp qua 78 lớp khiến các tác vụ toán học mất ổn định.

Nguyên nhân gốc rễ được truy về hành vi FMA kiểu không hợp lệ trong gemm_a8w8_blockscale_bpreshuffle đường dẫn sau khi một pass coercion của LLVM bị loại bỏ trong ROCm 7.2.

02Nâng cấp lớp harness

GLM-5.2 cần một cầu nối giao thức bền bỉ để chạy ổn định phía sau Codex và Claude Desktop trong các phiên giải kéo dài nhiều giờ.

Nexus Composer trong vai trò control plane

Nhóm đã xây dựng Nexus Composer (fork từ CC Switch, hiện thực bằng Tauri) để kết nối: Anthropic Messages, OpenAI Responses và OpenAI Chat Completions. Nó xử lý:

• Chuyển đổi giao thức — dịch hai chiều giữa các giao diện Anthropic và OpenAI cho các agent desktop.
• Chuyển đổi nhà cung cấp — chuyển nhanh giữa các endpoint GLM tùy biến và các nhà cung cấp chính thức.
• Telemetry vận hành — thời lượng, mức dùng token, độ trễ, chi phí và ID tương quan yêu cầu.
• Quản lý cấu hình — quản lý các tệp cấu hình và xác thực cục bộ của Claude và Codex từ một bảng điều khiển duy nhất.

Chuẩn hoá luồng suy luận

Phần khó nhất là chuẩn hoá các luồng suy luận dài của GLM-5.2. Proxy phải xử lý đúng các chunk chỉ chứa suy luận, các delta không định kiểu kiểu cũ, và phần đuôi rỗng theo sau các chunk kết thúc. Thiếu điều này, các phiên sẽ treo dưới tải chạy dài.

Sau ba ngày lặp đi lặp lại, logic hoàn tất luồng và đệm đã được củng cố đủ để giữ các phiên suy luận kéo dài hàng giờ ổn định trên cả hai client desktop.

03Quy trình giải toán IMO

Các ứng dụng desktop chỉ đóng vai trò điều phối. Một tiến trình Python nền thực hiện các lệnh gọi API mô hình trực tiếp để vượt qua giới hạn token đầu ra của desktop.

Mẫu điều phối + gọi API trực tiếp

Lớp desktop khởi chạy và giám sát một tiến trình Python bền bỉ. Tiến trình gọi trực tiếp GLM-5.2 với trần token cao (max_tokens=256000) và ngân sách suy luận lớn, tránh các giới hạn phản hồi của SDK.

Mỗi bài toán chạy trong sự cô lập nghiêm ngặt, không truy cập các lần chạy trước, không tra cứu internet và không có tài liệu toán học bên ngoài.

Thuật toán sáu vai trò

Tính toàn vẹn và nguồn gốc

Ngữ cảnh của bộ kiểm chứng và bộ phân loại được giữ cô lập khỏi kết quả mục tiêu. Bộ điều phối không chèn gợi ý toán học. Các artifact được tính checksum (SHA-256), và bản ghi P6 được kiểm tra hoạt động internet với không có sự kiện truy cập web nào.

04Kết quả

Năm trong sáu bài được giải với điểm tuyệt đối. P3 chỉ được giải một phần (2/7) mà không có chứng minh chặt chẽ hoàn chỉnh.

Điểm nổi bật từng bài

05Điều này có ý nghĩa gì

Kết quả này không chỉ là thành quả về chất lượng mô hình. Đó là một thành quả hệ thống trải trên ba lớp: tính đúng đắn số học, độ tin cậy truyền tải, và tính chặt chẽ của quy trình.

Không có các bản vá cấp kernel, chất lượng suy luận chuỗi dài sụp đổ. Không có chuẩn hoá luồng, các phiên thất bại dưới áp lực thời lượng. Không có kỷ luật kiểm chứng, các chứng minh không thể tin cậy.

P3 vẫn là trường hợp ranh giới: mô hình đã tìm ra một biểu thức cuối hợp lý nhưng không tạo ra chứng minh đầy đủ cần thiết cho mức chấp nhận chuẩn IMO. Ranh giới đó chính là nơi năng lực và công việc kỹ thuật trong tương lai nên tập trung.