神偷奶爸3

古田县：一只“蚂蚁”的1762小时_我的网站

那年花开月正圆

A | 昨天看到了一篇论文，特别有意思，让我连夜读完了。 AI摘要古田志愿者徐辉煌14年坚持公益，服务时长超1762小时。他牵头成立古田县爱心公益联合会，汇聚3495名志愿者，累计募集善款物资超300万元，开展助老、助学等活动，以凡人善举温暖乡邻。 “嘀嘀——”近日，凌晨5点，古田县城还裹在沉沉的夜色里，天空还未出现鱼肚白，手机闹钟响了第一声，当地居民徐辉煌便条件反射般坐了起来。他摸黑穿好衣服，动作很轻——因为妻子还在熟睡。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。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。” 就像这样，比如我去试了一下，Claude Fable 5的回答，是73。

B | 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。简单洗漱后，他像往常一样骑上那辆旧摩托车赶往仓库。这天，他要下乡慰问孤寡老人，大米、食用油、生活用品……几十份物资需要逐一清点装车。仓库的门拉开时发出吱呀的响声，他开始一件件核对清单。结果出来以后，太好玩了。 “现在还好，冬天凌晨5点要起来，对于其他人来说感觉很难。

C | 但是，我心里有这份动力，感觉接了活，就得给它做好，你不去做，耽误的都是别人的事。 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。”徐辉煌说。

D | Claude Sonnet 5更离谱，30次回答里疯狂输出47。 Llama 3.3，则多数是53。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。无论夏日炎炎，还是冬日寒气刺骨，日复一日，这样的场景，他已记不清重复了多少次。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。

E | 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。14年、1762小时——这是他的志愿服务时长登记数字，而背后的付出，早已无法计量。

F | GPT-4o痴迷42和37，Claude偏爱47，Qwen死守42，Llama钟情53。起初 2012年，古田县林业局门口那家“刘姐锅边店”，10来个通过网络论坛认识的人围坐一桌，吃着锅边糊，聊着“做点什么事”。

G | 那时，徐辉煌在县城经营着父亲交给他的小百货店，生活不算宽裕，但也过得去。在当地，有一个公益性的网络论坛——成立于1999年的“玉田在线论坛”，人们在此交流家乡动态、传递生活点滴，徐辉煌2000年开始关注这个论坛并经常交流，认识了一些聊得来的本地网友。 “做点什么事呢？”饭桌上，聊着聊着，突然有人提议去慰问贫困老人。大家先是一愣，随即纷纷赞成。 “那天，我们大概10个人聚在一起，我当时想做点善事，帮助有需要的人。”徐辉煌回忆道，“我有一部工具车，常年用来送货，古田的乡镇、山路我都熟。” 就这么从一张饭桌起步，他们走上了公益之路。

H | 不久之后，他们去了凤都镇，慰问孤寡老人，带了米面油以及棉被等生活物资。2014年，这个草根团队正式注册为古田县爱心公益联合会，如今已成长为宁德市最大的民间公益组织之一，注册会员111人，辐射全县3495名实名注册志愿者。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。

I | 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。后盾在徐辉煌身后，有一个沉默而坚实的后盾——他的妻子。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。 “她是双眼皮，笑起来有一对酒窝，很漂亮。”谈到自己的妻子，徐辉煌笑得合不拢嘴。每次出门前，他只说一句“老婆，我这边要去参加公益活动”，她只淡淡地回一句“没事，去吧，我早就习惯了”。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。这句“没事”背后，是她在独自撑起一个家——两个老人要照顾，两个上学的孩子要接送，小百货店要打理。如今，10多年过去，两个孩子都考上了大学，一个已经参加工作了。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。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。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。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。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。回看这些年走过的路，最令徐辉煌感动的，是妻子替他跑物流。只需要模型输出一个 Token，就够锁定你是谁。百货店里的生意，到货时间没个准，常常是在他参加公益活动的时候，货提前到了。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。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。

J | 接到电话的那一刻，妻子二话不说，骑上三轮车就往货运站赶。上次Anthropic大面积封号的时候我也聊过这事。一箱箱物资堆得老高，有时甚至有100多斤——那是徐辉煌口中“很多邻居看了都说搬不动”的重量。但这个生态里，有一个几乎所有人都在默默忍受的问题。可在农村长大的妻子，硬是咬着牙直接扛起来。你付了Claude Opus 4.8的钱，你收到了一段回复。 “以前她三十几岁的时候，100多斤直接扛起来。

K | ”徐辉煌说这话时，眼神里有心疼也有亏欠，“只是现在年纪大了，体能也跟不上了，有些东西她觉得帮不上我忙，心里急。” 风险古田多山，许多偏远自然村藏在深山褶皱里。

L | 前往这些地方做公益，是有风险的。

M | 徐辉煌回忆，一次去杉洋镇，山路越走越窄，半道上手机没了信号，导航彻底失灵，前面的路也被荒草淹没了。“冲着草一直扒着走，很怕前面是断头路。”他说，这里的一些山沟，两侧都是悬崖峭壁，非常凶险。还有一次，他去一个自然村，路太窄，车子都没法掉头，只能倒着前进，偏偏又下起了雨，视线朦胧，道路湿滑。他有点担心：“就怕轮胎打滑，滑下了山坡。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。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。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。” 每次平安归来，他都会在心里默默说一句：“这次又很幸运。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。而且这事之所以这么普遍，纯粹是经济结构决定的。

N | ” 徐辉煌坦言：“做公益比去上班累。要很早起床开车，人的整个状态都是疲劳的，路程又那么远，一场活动下来，真不轻松。” 可即便如此，他从没想过停下。每次准备物资，他总会多备一两份。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。他说：“如果临时发现有人需要帮扶，可以用来应急。” 送达必须点对点。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。

o | 他说：“我不可能交给邻居，怕环节出错，东西弄错了。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。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。但问题在于，CISPA这套LLMmap的方法依然很重。” 这些年，他也听过不少风凉话：“这些都是出风头的人。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。”“拿了什么好处。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。” 对此，徐辉煌只是笑一笑。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。“有些东西听听就好，不要太较真，影响了心情不值得。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。用全部40个探测单元跑完，验证的准确率能到什么程度呢。” 因为好多人叫他“徐老板”，他又说：“不要这样称呼，还是要低调一点。我们做事很高调，但称呼越小越好。” 蚂蚁徐辉煌总是喜欢把自己比作蚂蚁。

p | 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。他说：“人随便走过，都可能把蚂蚁踩死，说明一只蚂蚁是非常渺小且微不足道的。但大家团结起来做一件事，力量就很大。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。

q | 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。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。” 1762小时，不过是一只“蚂蚁”爬过的轨迹。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。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。14年过去了，这条轨迹上多了很多“蚂蚁”，汇成了一支长长的队伍。古田县爱心公益联合会年均举办30多场公益活动，累计募集善款超300万元（含物资）。 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。他们的善行遍及当地乡村：“一年一乡镇”暖冬行动，覆盖10个乡镇900余户老人；“贫困母亲帮扶计划”，累计帮助171名母亲重拾生活希望；“金秋助学”，发放助学金65万元，助力200多名寒门学子圆梦校园…… 每一笔数字背后，都是无数只“蚂蚁”日复一日的搬运。 “希望带动更多人参与，公益就是要持之以恒，需要更多后备力量。”徐辉煌说，“20多岁、30多岁的人更有活力。一两个人做很累，20个人就是一个团队，力量就很大。这下事情就非常的尴尬了。” 他回顾十几年前坐在“刘姐锅边店”的自己，表示：“从不后悔做这件事。这条路上，我认识了很多志同道合且优秀的人。” 从2012年依托“玉田在线论坛”聚集起第一批爱心网友，到2014年正式注册成立，再到今天，古田县爱心公益联合会走过了14个年头。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。

r | 这里的山水记得每一双踏过泥泞的脚，记得每一双递过棉被的手。

s | AI为什么就是不能生成真正的随机数。

t | 蚂蚁很小，但一群蚂蚁，可以搬动整个冬天。而徐辉煌，一位自称“蚂蚁”的志愿者，用他14年的车轮印痕，踏遍了山山水水，也走进了无数人的心里。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。（本报通讯员罗羚詹圣）。在这个布鲁克纳的测试里，也是一样的。 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。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。

u | 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。

v | 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。

w | 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。