GLM-5.2 ist für 1M-Kontext trainiert, bleibt aber in der Praxis auf kurze Kontexte beschränkt. Bestehende Workarounds (FA off, KV-Cache auf CPU, reduzierter Batch) helfen nicht — GPU-seitige f16-Overflows im DSA/Indexer-Pfad sind der Verdacht. CPU-only als einziger stabiler Pfad wäre ein erheblicher Performance-Verlust.