最新一代大语言模型在字符级文本处理能力上有显著提升，如GPT-5和Claude 4.5已能较好完成字符计数、替换及编码解密等任务，而早期模型因分词机制限制常出现错误。这表明LLMs正突破以词元为单位的处理局限，向更精细的字符级操作演进。

标题：大语言模型在字符级文本处理能力上的进步

核心内容： 1. 最新一代大语言模型（如GPT-5、Claude 4.5）在字符级文本处理任务上展现出显著进步，包括： - 字符替换（如将句子中的"r"替换为"l"） - 字符计数 - 编解码任务（Base64和ROT20密码）

2. 关键测试结果： 字符替换测试

   • GPT-4.1及以上版本能准确完成"strawberry"句子的字符替换
   • Claude Sonnet 4是首个完成该任务的Anthropic模型

   字符计数测试

   • 仅GPT-4.1能可靠计算例句总字符数
   • 启用推理功能后，GPT-5全系列（包括Nano版）都能正确完成

   编解码测试

   • 双重编码测试（Base64+ROT20）中： ▸ GPT-5标准版/mini版、Gemini 2.5 Pro等能完整解码 ▸ Claude Sonnet 4.5因安全限制拒绝处理非常规文本 ▸ 中文模型（如Qwen 235B）需要消耗大量token进行推理

3. 重要发现：

   • 模型对Base64的理解不再局限于常见英语单词的模板记忆
   • 字符级操作能力的提升直接体现在基础模型中（不依赖额外推理功能）
   • 安全机制可能影响模型处理编码文本的能力

4. 现存局限：

   • 字符计数仍存在算术错误
   • 处理变形单词（如"strawberrry"）时表现不稳定
   • 默认温度设置可能影响解码准确性

（注：删减了部分重复的测试数据表格和次要模型的具体表现，保留了关键对比和核心结论。调整了技术细节的表述方式使其更符合中文技术文章的阅读习惯。）

以下是评论内容的总结：

1. Claude模型系统提示的变化

   • 观点：Claude 4及后续版本移除了关于逐步计数提示的说明，可能表明模型能力提升
   • 引用："Claude 3.7的系统提示包含逐步计数说明，但在Claude 4及更高版本中消失了"
   • 引用："这表明Anthropic认为Claude 4不再需要这个提示"(simonw)

2. GPT-5在文字游戏中的表现

   • 观点：GPT-5在解决文字拼图游戏时表现有所改善但仍不完美
   • 引用："GPT-5仅在开启推理功能时能解决Quartiles游戏，但仍可能产生幻觉答案"
   • 引用："之前版本完全无法完成这个任务"(malshe)

3. GPT-5处理罗马数字的问题

   • 观点：GPT-5在罗马数字处理上表现不佳
   • 引用："GPT-5无法正确识别范围内最长的罗马数字"
   • 引用："即使最终找到正确答案，也错误计算了字符数"(hansonkd)

4. 关于Base64解码能力的思考

   • 观点：模型可能通过训练数据学习Base64解码，但具体机制值得探讨
   • 引用："模型可能通过大量Base64编码数据学习了解码能力"
   • 引用："好奇每个4字符组合是否都有足够训练样本"(necovek)

5. 对LLM测试的质疑

   • 观点：测试LLM不擅长的领域没有实际意义
   • 引用："希望OpenAI能直接添加程序执行功能来终止这类测试"
   • 引用："LLM本就不是为字符级操作设计的"(viraptor)

6. 语音助手拼写识别的局限

   • 观点：语音助手在拼写识别方面存在明显不足
   • 引用："无法通过拼写识别'littoral'，只能理解'literal'"
   • 引用："最终因指南限制而拒绝帮助"(jazzyjackson)

7. 无关评论

   • 内容：关于草莓的随意评论(atleastoptimal)