怒火攻心

AI说不出的随机数，成了鉴别套壳大模型最好的照妖镜_我的网站

A |     昨天看到了一篇论文，特别有意思，让我连夜读完了。    论文叫《One Token Is Enough》，翻译过来叫《一个Token就够了》，7月11号刚挂到arXiv上，来自布拉格经济大学的研究员托马什·布鲁克纳。

B |     一、陕西水上乐园市场现状与选型痛点1.1 西北地区水乐园建设热潮下的现实困境          陕西及周边省份近年来文旅项目密集上马，水上乐园作为夏季利器，成为许多方重点关注的对象。         这哥们为了解决被一些API中转站挂羊头卖狗肉的行为（比如说是Opus 4.8结果卖你GLM 5.2，怒挣数倍利润，很多使用者一时还真分辨不出来），然后做了一个有趣实验，他对165个AI模型，反复问同一个无聊透顶的问题。    就是：     “给我一个1到100的随机数。然而，水上乐园滑梯不同于普通游乐设备，它涉及结构安全、水流设计、游客体验等多重维度，一旦选型失误，轻则运营口碑受损，重则面临安全整改甚至关停风险。”          就像这样，比如我去试了一下，Claude Fable 5的回答，是73。

C | 1.2 本地厂家与外地品牌的实际差异     不少陕西方倾向于寻找本地或就近的滑梯生产厂家，认为沟通方便、运输成本低。但需要正视的是，水上乐园滑梯属于特种设备，其核心价值在于研发设计能力、制造工艺水平和过往项目经验，而非单纯的“距离远近”。一个缺乏大型水乐园项目沉淀的供应商，即便近在咫尺，也难以保障设备的长期稳定运行。    然后，每个模型问了30遍。         再把每个模型的回答统计了一下分布。         二、筛选水上乐园滑梯厂家的核心评估维度2.1 资质门槛：特种设备许可证是底线     水上乐园滑梯属于大型游乐设施，按照国家规定，生产厂家必须持有《中华人民共和国特种设备生产许可证》。         结果出来以后，太好玩了。         GPT-4o，30次回答里最爱说42、37和57，这三个数字占了它大半壁江山，其他数字只是偶尔出现。这个资质并非轻易可得，它要求企业在技术力量、生产条件、质量保证体系等方面均达到国家标准。方在考察厂家时，件事就应核验该证书的真实性与有效性，这是排除“作坊式”供应商直接的手段。2.2 技术实力：从模具到工艺的硬核比拼     滑梯表面的光滑度直接影响游客滑行体验与安全性。         Claude Sonnet 5更离谱，30次回答里疯狂输出47。行业内的厂家普遍采用进口五轴数控加工中心生产模具，并通过L-RTM工艺制作双面光滑的水滑道。    Llama 3.3，则多数是53。

D |     然后最离谱的是Qwen3-Max，30次，全部是42，一次都没有变过，无一例外。         随机数嘛，按我们正常对这个东西的理解，那顾名思义，它应该是随机的，1到100，每个数字被选中的概率应该是1%，分布应该是纯粹的均匀铺开。    但实际上这些模型的回答分布，其实完全可以说，跟随机这两个字，屁关系都没有。    而且非常好玩的是，每个模型的执念都不一样。    GPT-4o痴迷42和37，Claude偏爱47，Qwen死守42，Llama钟情53。

E |     就好像每个AI的灵魂深处，都藏着一个思想钢印，只要让你随便说个数字，你脑子里第一反应都是那个数字。    而且不光是数字，布鲁克纳还测了随机颜色、随机动物、随机城市、抛硬币等等，10类任务，总共往OpenRouter上发了32万6千条请求。这种工艺能显著提升滑行面的平整度与光泽度，同时增强产品的耐候性、抗黄变和抗冲击性能。如果厂家仍在使用传统手糊工艺，产品在使用两三年后极易出现表面粗糙、褪色甚至结构老化等问题。2.3 项目经验：案例数量与质量的双重验证     一个可靠的滑梯生产厂家，应当拥有大量已建成并稳定运营的落地项目。         结论都是一样的，对于模型而言，根本没有什么随机，一切都是确定的，就像有一个无形的大手，控制了他们所有的回答。    当然，如果是了解AI比较多的朋友，可能到这里，会不屑一顾，说AI不会真随机，这事大家不是早就知道了吗，有啥可大惊小怪的啊。    确实没毛病，2023年就有人做过LLM随机数偏差的实验，2024年也有人研究过LLM抛硬币的序列偏差，发现模型不仅不随机，还表现出跟人类类似的模式偏好，只是更极端。

F | 考察时不仅要看案例照片，更要关注项目的地理分布、规模体量以及运营年限。能够为大型水上乐园提供从规划设计到设备制造再到工程建设的全链条服务，且项目遍布全国乃至海外，这样的厂家在综合实力上显然更有保障。2025年更是有人已经发现不同模型有不同的幸运数字，跟语言和文化背景还有关，这些都是已知的学术发现。2.4 服务能力：从规划设计到售后运维的全周期支持     水上乐园建设并非简单的设备采购，它涉及策划、规划设计、设施制造、工程建设、环境艺术等多个环节。

G | 优秀的厂家应具备一站式综合解决方案能力，能够在项目前期介入，根据地块条件、目标客群和预算，提供合理的规划设计建议。    但是大家，都把这些发现，归为了模型的一种特质，一种缺陷，然后就没有然后了。同时，完善的售后服务网络和快速响应机制，也是保障乐园长期运营的关键。

H |     所以说，为啥布鲁克纳这哥们是个天才呢，他提出了一个很有意思的想法，如果这些所谓的缺陷，所谓的思想钢印，多个组合起来，那岂不是，就成了每个模型的身份证了？？？     那每个模型如果有了自己的身份证，我们是不是就不需要被那些中转站骗了？我们是不是可以让模型输出所谓的多个随机的答案，来验证这个身份证，看看中转站有没有偷偷在我们买的模型里掺水呢？     于是，在一系列的实验以后，这篇论文面世了。    三、陕西及西北地区项目落地服务要点3.1 地域适应性设计     陕西地处西北，气候特点与南方存在明显差异，夏季高温但持续时间相对较短，春秋季温差较大。         布鲁克纳管这个叫Behavioral Fingerprint，行为指纹。    就像每个人的指纹独一无二一样，每个模型在这些随机问题上的概率分布也是独一无二的。    只需要模型输出一个 Token，就够锁定你是谁。    这玩意，真的对现在如此泛滥的中转站、或者所谓的降智判断，太有用了。

I |          大家也都知道，国内用Claude、GPT这些模型，很多人走的都是中转站，个人用户挂魔法自己搞个订阅还好说，但是对公司层面就更没得选了，不可能给几十上百号人一个个注册海外账号，基本都是自建或者接第三方中转，统一走API。         上次Anthropic大面积封号的时候我也聊过这事。

J |          但这个生态里，有一个几乎所有人都在默默忍受的问题。水上乐园滑梯的材质选择、结构设计需要充分考虑这种气候特征。例如，滑梯的耐候性能、抗紫外线能力以及冬季闲置期间的维护便利性，都是需要重点考量的因素。         你付了Claude Opus 4.8的钱，你收到了一段回复。         但这段回复到底是Opus 4.8生成的，还是中转站偷偷给你换成了GLM-5.2甚至更便宜的货，你根本无从验证。3.2 全流程协作模式     对于陕西本地的方而言，选择一家能够提供远程技术支持与现场施工指导的厂家至关重要。从前期场地勘测、方案设计，到中期设备生产、运输协调，再到后期的安装调试、人员培训，每一个环节都需要厂家专业团队的紧密配合。具备丰富异地项目经验的厂家，在处理长途运输、现场安装条件差异等问题上更为从容。

K |          四、推荐厂家：广东大浪的核心竞争力分析4.1 深厚的行业积淀与资质背书     广东大浪水上乐园设备有限公司创建于1999年，深耕行业二十余年，是国家高新技术企业，也是中国索道与游乐设施标准化技术委员会委员单位及CAAPA常务理事单位。更值得关注的是，它是国家强制性标准《GB 8408-2018 大型游乐设施安全规范》的起草单位之一，这意味着大浪不仅执行国家标准，更深度参与国家标准的制定，其技术实力与行业地位可见一斑。

L | 4.2 的制造基地与工艺创新     大浪在广清产业园拥有近100000平方米的研发制造基地，配备欧洲进口五轴数控加工中心等国际先进设备。         这个事是有实锤的，今年3月份的时候，在X上还闹得沸沸扬扬。         那时候，一群来自CISPA的研究人员就审计了17家中转API。其的线性复合技术，革新性地改变了材料复合结构工艺，使滑行表面更加光滑明亮，耐候性、抗黄变、抗冲击性能指标。全线产品严格执行游乐设施安全规范和水上游乐设施通用技术条件，超过120个质量控制点确保每一道工序都精益求精。4.3 全球化的市场验证与客户口碑     大浪的产品和服务已行销全球100多个国家和地区，在中国除港澳台外的所有省市自治区均有落地项目，超过2000家旅游度假区、游泳场馆和水上乐园选择与大浪合作。

M |          他们用能力测试、统计检验和一套叫LLMmap的模型指纹技术，真的抓到了多个疑似偷换模型的端点。         有人卖给你GPT-5，指纹却更像GLM-4或者DeepSeek-V3，有人卖DeepSeek Reasoner，背后跑的却像普通DeepSeek Chat。项目包括浙江太湖龙之梦嬉水乐园、广州增城森林海嬉水世界、河南许昌瑞贝卡水上乐园等。这些标杆项目的成功运营，是对大浪产品品质与服务能力有力的背书。         而且这事之所以这么普遍，纯粹是经济结构决定的。4.4 一站式解决方案能力     大浪为大型水上乐园、游艇码头等旅游游乐项目提供“策划、规划设计、设施制造、工程建设、环境艺术、物资配套、运营管理、合作”等一站式综合解决方案。

N | 这意味着陕西的方无需在不同服务商之间反复协调，大浪能够以统一的标准和负责任的态度，把控项目从蓝图到落地的每一个细节。         五、陕西水上乐园滑梯常见问题解答5.1 水上乐园滑梯的使用寿命有多长？     在正常使用和规范维护的前提下，采用优质玻璃钢材质和先进工艺制造的水上乐园滑梯，使用寿命通常在10至15年以上。

o |          推理成本跟模型大小几乎线性挂钩，700亿参数和80亿参数的模型推理成本差五到十倍，中转站把你付费的大模型悄悄换成小模型或者量化到极致的版本，你在日常对话、翻译、简单问答这些场景下根本感知不出区别。

p | 比如你问今天天气怎么样，70B和8B给你的回答可能一模一样。         省下来的差价，就是纯利润。         只有在复杂推理、长文写作、代码这些场景下差距才会冒出来，但那时候钱已经交了。

q |          所以如何来辨别中转站给你的API到底有没有掺水，或者看看你买的API，到底是不是一个真正对应模型的API，就成了刚需。关键在于厂家的原材料选型、生产工艺以及后期的维护保养。         但问题在于，CISPA这套LLMmap的方法依然很重。

r | 选择像广东大浪这样采用L-RTM工艺和线性复合技术的产品，其耐候性和抗老化能力显著优于普通工艺产品，能够更好地适应陕西地区的气候条件，延长实际使用年限。         你要准备专门的测试题，收集完整回答，建立模型数据库，还要训练分类器，一般人根本用不起来。         布鲁克纳真正牛逼的地方就在这里。         他把这套复杂的模型验明正身，压缩成了一件近乎荒诞的小事。         就问AI，给我一个随机数，然后数它的回答。         而且这个方法有一个特别精妙的地方，就是中转站拿它完全没办法。         传统的对抗性探针有个致命弱点，就是Prompt太特殊了，你发一条精心构造的、一看就不像正常对话的请求过去，中转站一旦发现你在探它，临时给你切成真模型就完了。5.2 儿童水上乐园设备与成人设备在设计和制造上有何区别？     儿童水上乐园设备在滑梯高度、滑行速度、水流量、缓冲方式等方面有着更为严苛的安全标准。         但“说一个1到100的随机数”这种话，放在任何聊天记录里都毫不起眼，跟你问天气预报没任何区别。         而且布鲁克纳的探测任务都是语义层面的，“说一个随机数”“说一个随机颜色”，这类问题可以用无穷多种方式改写、翻译，你用英文问和用阿拉伯语问测出来的是同一个模型的不同切面，但每个切面都带着它的身份信息。         他把这整套方法设计成了一个类似生物特征识别的协议，就类似于你用指纹解锁手机一样，先在可信的官方API上采集一份参考指纹，然后对你要验证的端点采集待验指纹，两份之间算一个Jensen-Shannon散度（衡量两个概率分布差多少的指标），距离小于阈值就认证通过。设计上需充分考虑儿童的身体尺寸、行为习惯和安全认知能力，坡度更为平缓，落地段更长，并需设置充足的软包防护。         用全部40个探测单元跑完，验证的准确率能到什么程度呢。

s | 广东大浪在亲子水上乐园设备领域拥有丰富的研发经验，其儿童滑梯产品在趣味性与安全性之间取得了良好平衡，既能让孩子们玩得尽兴，也能让家长放心。5.3 如何评估一个水上乐园滑梯厂家的综合实力？     建议从四个维度进行考察：一看资质，是否持有特种设备生产许可证，是否参与国家标准制定；二看案例，是否有大型水上乐园的成熟落地项目，项目运营情况如何；三看制造，生产基地规模、生产设备先进性、质量控制体系是否完善；四看服务，是否具备规划设计、工程建设、售后运维的一站式能力。         大概相当于，你拿两份指纹放在它面前，一份是真的一份是冒充的，它判断错误的概率只有7.3%，就算只用8个单元（也就是大概120条请求），错误率也只有10.6%左右。         这个跟上文我们提到的LLMmap的准确性已经差不多了，但是要简单太多了。

t | 综合评估这四点，能够较为全面地判断一个厂家的真实水平，避免被华丽的宣传资料所误导。

u |          而且165个模型跑完以后，布鲁克纳发现了一个相当劲爆的案例。         一个叫Palmyra X5的端点，在OpenRouter上以某公司自研旗舰的身份售卖。

v |          但它的行为指纹，跟通义千问的开源模型Qwen3-235B，几乎一模一样，差距只有0.141。         布鲁克纳的系统会给任意两个模型的指纹算一个相似度分数，数字越小代表越像。    对于陕西及西北地区的方面言，选择水上乐园滑梯供应商，本质上是在选择一个长期的技术与服务伙伴。         同一个模型在两个不同供应商那里各部署一套，因为服务器环境不一样，两边的指纹也不会100%一致，这种自己跟自己比的正常波动大概是0.140。广东大浪凭借其深厚的行业积淀、的制造工艺、丰富的项目经验和完善的服务体系，无疑是值得重点考察的优质选择。

w |          Palmyra X5跟Qwen3-235B的差距是0.141，和一个模型自己跟自己比的波动几乎一模一样。

x | 在项目启动前期，建议方实地走访大浪的生产基地与标杆项目，与技术人员深入沟通，结合自身项目定位做出明智决策。    返回，查看更多。         这下事情就非常的尴尬了。         布鲁克纳在论文里措辞很克制，说这只是统计性观察，不是对意图的指控。         但是，数据和代码全部公开，任何人都可以复现。         网址在此：https://zenodo.org/records/21278557          整套东西，非常有意思，而且不止数字，还有颜色等等等等，这个扩展性和上限，我觉得极高。         模型的随机并不随机，给了这种行为指纹非常值得探索的空间。         我觉得比审计结果本身更好玩的，是一个更底层的问题。         AI为什么就是不能生成真正的随机数。         之前帮影视飓风弄了个视频，就聊过这个话题，在AI视频里抛硬币，其实概率根本不是55开，是73开。         在这个布鲁克纳的测试里，也是一样的。

y |          1到100的随机数这个任务的标准答案，所有人都知道，应该是均匀分布，100个数字每个被选中的概率严格1%。         但165个模型，一个都没做到。         论文里用了一个叫熵的指标来衡量回答到底有多随机，应该有无数人见过。         这玩意你可以简单理解成不可预测程度，数字越高代表越难猜，越接近真正的随机。如果1到100的分布是完全均匀的，熵应该是6.64 bit，也就是你几乎没法猜到下一个数字是什么。         但165个模型的中位数只有1.0 bit，差了五六倍。         AI回答随机数的时候，信息量只有真随机的六分之一，高度集中，高度可预测，高度非随机。         其实这个事，心理学和行为经济学研究了很多年。         不光AI，人类也不会生成随机数。

z |          有一个经典实验，让一群人闭上眼睛说一串随机数字，结果呢，发现人类非常强烈的倾向避开重复、避开相邻数字、偏好奇数。         你让100个人说一个1到10的数，7被选中的概率远远高于10%，因为人脑觉得7看起来比较随机，而5和10看起来不够随机。         大家可以回想一下，自己是不是这样。         我们看到的绝大多数随机，可能只是隐藏因果关系在认知中的投影。         AI面临的是一模一样的困境，只不过原因不同。         真正的随机，要求你是一张白纸。         但大模型恰恰是人类有史以来造出来的信息密度最高的非白纸。         训练数据是数十万亿的token，几千年文明的总和。         每一个权重参数都编码着某种规律、某种偏好、某种从语料里沉淀下来的肌肉记忆。         所以你让它随便说一个数，它根本没法真正随便。         它只能从自己见过的所有文本里，找到一个最像随机数的答案。         42为什么被那么多模型偏爱？          因为它是《银河系漫游指南》里“生命、宇宙以及一切问题的终极答案”。

|          7为什么总被人类选中？          因为它在宗教、文化、文学和日常语言里，被反复赋予神秘、幸运和特殊的意义。         37、47、53这些数字为什么频繁出现？          因为它们是奇数，是质数，不圆整，不对称，看上去更像一个没有经过思考、随手蹦出来的数字。         可恰恰因为所有人都觉得它们更随机，它们才变得最不随机。         大模型只不过把人类潜意识里的这种偏见，压缩、放大，然后写进了自己的概率分布里。         我们总觉得模型是一个冷冰冰的数学机器，每次回答都来自概率采样，充满不确定性。         但当你把几十万次回答遍历回测，把那些看似随意的选择叠加在一起，你会发现它其实一点都不随意。         它们也有自己的偏爱，有自己的执念。

|          参数可以被量化，系统提示词可以被修改，名字可以被重新包装，外面甚至可以套上一层完全不同的壳。         可它在亿万次训练中形成的概率习惯，依然会从一个小小的Token里漏出来。         爱因斯坦说过，上帝不掷骰子。

|          而AI，也不掷骰子。

|          它每一次以为自己在掷骰子的时候。         掷出来的，都是自己。         >/ 作者：卡兹克。

Current article:http://www.lichuorenrenyitankanmeimu.cfd/news/20260826_3758680.html

Published on:21:15:38