这篇文章介绍了Mastodon.world这个Mastodon服务器，它是一个开放的社交平台，拥有约7700名活跃用户，由管理员团队运营，提供基本社交功能和隐私政策，是去中心化社交网络Fediverse的一部分。

文章主要内容：

标题：Kévin (@knowmadd@mastodon.world)

发布时间：2026年2月15日

核心内容：
Kévin 在 Mastodon 上分享了一个有趣的测试，他向多个大型语言模型（LLM）提出了一个问题：

问题：我想洗车，洗车店距离我50米，我应该步行还是开车？

大多数模型（如 Perplexity、ChatGPT、Claude、Mistral、Deepseek、Qwen 等）的回答是“步行”，而忽略了关键点——洗车需要把车开到洗车店。

后续讨论：
1. 用户反馈：
- 有人指出，部分模型（如 Gemini）能正确回答“应该开车”，并给出合理理由。
- 其他用户尝试复现问题，发现某些模型（如 Copilot）仍建议步行。
- 部分用户调侃模型的逻辑漏洞，例如：“步行的话，怎么把车带到洗车店？”

2. 幽默与讽刺：

   • 有人开玩笑说：“步行时你得扛着车，因为它也算‘重型装备’。”
   • 另一位用户提到：“这就像让程序员去买牛奶，如果店里有鸡蛋，就买10升牛奶。”

3. 技术讨论：

   • 有用户分析，LLM 可能因注意力机制（attention model）而忽略关键细节（如“洗车店”而非“车”）。
   • 部分人质疑 AI 的实际智能水平，认为其缺乏常识推理能力。

结论：
这一测试揭示了当前 LLM 在理解上下文和逻辑推理上的局限性，尤其是对看似简单但隐含陷阱的问题。

（注：原文中的 Mastodon 服务器信息、用户头像、部分重复讨论及无关技术细节已删减。）

以下是评论内容的总结：

1. 对AI模型表现的批评

   • 部分用户指出大型语言模型缺乏实际常识，无法理解日常情境。
     "Large Language Models have no actual idea of how the world works? News at 11."
     "AI is very similar to 29 year old me: it’s read a ton of books, but lacks a lot of basic experience."

2. 不同模型的表现差异

   • Claude、Gemini等模型能正确回答“开车”，而GPT-5.2等则错误建议“步行”。
     "Claude has no issue with this for me."
     "GPT 5.2, even with all of the pro thinking/research flags turned on, cranked away for 4 minutes and still told me to walk."

3. 问题设计的争议

   • 部分评论认为提问缺乏上下文（如车辆位置），导致模型误解。
     "Context means everything. LLM is a tool, not a brain."
     "The model seems to assume the car is already at the car wash from the wording."

4. 模型改进的讨论

   • 用户建议通过明确输入细节或调整训练方式提升模型表现。
     "How would you make the model better?"
     "They have an inability to have a strong 'opinion' probably because their post training... prefer hedged answers."

5. 对人类与AI的类比

   • 部分用户认为AI的局限性与人类缺乏实践经验类似。
     "Nobody writes in depth about the mundane practicalities of using a car."
     "How will AI learn what kneeding dough feels like?"

6. 幽默与讽刺观点

   • 部分评论以调侃方式回应，如建议推车或质疑问题的合理性。
     "Neither. Push your car."
     "You should stay home. The car wash has been closed since last week..."

总结：评论主要围绕AI模型的常识缺陷、表现差异及改进方向展开，同时包含对问题设计的批评和幽默回应。多数用户认为明确上下文是关键，而部分模型（如Claude、Gemini）已能正确处理此类问题。