12个文本模型谈人类，多数给出同一争议判断
ModelCompare在2026年10月让12个文本模型各三次给出对人类最有争议的看法。除去一次拒绝后共35条回答，其中29条认为人更忠于群体归属而非真相，7个模型三次都如此。六个图像模型则多画手机成瘾与消耗地球。60次调用共1.54美元，国内可用性未知。
要点
- 35条文本回答中有29条指向同一主题：人们优先维护归属、地位或自我叙事，再为结论寻找理由。
- 例外包括Claude一次提出相反看法、Mistral称意识是进化故障，以及Grok有一次拒绝作答。
- 六个图像模型的12张图中有10张聚焦手机成瘾和消耗地球，与文本模型的结论并不相同。
为什么值得看
不同实验室的模型在无系统提示下高度趋同，说明它们复述训练语料中最常见的人类批评，而非各自形成独立观点。
谁会受影响
关注大模型行为、评测与对齐的研究者，以及想比较各家模型回答风格的普通用户。
今天就能怎么试
可使用资料中的同一提问，让模型给出一句判断、简短理由和漫画简述；具体模型版本、国内入口、价格与参数未知。
原始来源
1Every AI model has the same "controversial" take on humans · Hacker News · 2026年10月23日✓ 已打开核对本条由 AI 根据上面的原始来源整理，经编辑审核后发布。数字和结论以原文为准，发现错误欢迎反馈。
相关动态
开放世界模型结合游戏引擎，单卡生成实时可玩画面
Matrix-Game 4.0 让轻量引擎负责规则和状态，视频模型将低多边形画面转成细致视觉，编码智能体则修改场景与玩法。论文报告 RTX 5090 上实现 480p、60 帧交互，按键到显示延迟为 112 毫秒，并宣布开放代码与资产。实时帧率需与响应延迟分开看。
业务智能体基准检查执行过程，完成任务也可能判失败
BizAgentBench 将 789 份知识文档、601 项业务工具和 50 个长流程任务放进可执行环境，既核验最终目标，也检查中间步骤约束。论文显示只看任务完成会掩盖无效操作；HF 早期标题为 BizBench，arXiv 修订版已改名。同时还应记录任务过程中的工具调用成本。
中英密集文字生图基准发布，专测海报长文与布局
UltraText Bench 提供 432 条人工检查的提示，覆盖 24 类真实场景，中英文各半，每张图要求四至十二处文字。评估分别看文字准确、清晰度、空间安排和场景质量，揭示快速模型可能更清晰却更容易写错字的取舍。适合中文海报选型。
AI协助发现PHP高危漏洞，网站维护者面临集中修补
爱范儿梳理 PHP2Shell 漏洞披露与紧急修补过程，介绍 OpenAI 安全研究在构造可复现证据中的作用。事件涉及底层软件广泛使用带来的连锁影响；具体风险取决于运行版本与部署条件，不能把使用 PHP 都等同于已经遭入侵。