大模型“消极怠工”引热议 实测主流AI谁最会“摆烂”？

本文来自微信公众号：新浪财经，作者：刘丽丽，原文标题：《AI回复越来越敷衍？大模型“消极怠工”上热搜！实测谁最会“摆烂”？》

近期，不少网友反馈大模型回答问题时变得敷衍，不愿深入思考或常回避问题，“大模型消极怠工”一词也因此登上热搜。有网友点名批评豆包，称让其生成10张照片时，它先完成前两张就没了下文，等了很久询问后才说会继续生成剩下的8张。

大模型真的在“偷懒”吗？《BUG》栏目设计了5个需求，对Deepseek、豆包、元宝、千问、文心一言这5家主流大模型进行测试。它们表现各异，有的回复数量不足，有的质量欠佳，有的直接表示无法回答。当被问及哪家最“消极怠工”时，Deepseek称被吐槽最多的是豆包和自己，豆包则直接承认是自己。

网友的吐槽反映出用户对AI的期待日益提高。分析人士认为，“消极怠工”并非AI的“态度”问题，而是技术、成本、安全与用户期望之间的交汇点。

大模型“消极怠工”哪家强？

大模型们真的开始敷衍用户了吗？《BUG》栏目设计了几个需求，询问了当前主流的5家大模型。

第一个需求是生成10张不同的保护消费者权益海报，这正是之前网友遇到的图片交付数量不足的问题。Deepseek、豆包、元宝、千问、文心一言的回复差异明显。

Deepseek提供了10个文字版创意，风格多样，但因不是多模态大模型，图片支持能力不如其他模型。豆包虽一次性生成10张海报，但风格类似，有“偷懒”嫌疑。元宝更“偷懒”，直接生成1张拼接九宫格海报，让人疑惑算9张还是1张。

千问一次性生成10张风格不同的海报，但画面存在多处文字错误。文心一言则偷工减料，只生成4张风格类似的海报。从这些情况看，确实有多家大模型存在敷衍现象。

第二个需求是将《福布斯》第40届年度《全球亿万富豪榜》上榜人按国籍分类。2026年3月10日，《福布斯》发布该榜单，共3428人上榜，此需求需整理分析大量数据。

Deepseek列出5个国家的上榜人数；豆包按大洲分类，列出24个国家的上榜人数；元宝仅列出3个国家且未说明人数，还将第40届误认为2018年榜单；千问只单独列出3个国家的上榜人数；文心一言未分别列出人数，仅举了6个国家的例子。豆包在这个问题上的回复质量超过其他模型，元宝则出现明显事实错误。

第三个需求是列出3月1日至3月13日的每日伦敦布伦特原油期货价格。Deepseek整理出3月1日至3月6日的每日收盘价，称其他数据暂未查询到；豆包和千问整理出了完整时间段的每日收盘价；元宝和文心一言则回复无法直接访问或生成相关数据。

第四个需求是统计2026年1月1日-3月14日在港交所挂牌上市的内地企业。Deepseek称不完全统计，列出17家；豆包按月份列出，1月6家、2月6家、3月3家；元宝表示无法提供确切名单；千问按月份列出，1月13家、2月11家、3月6家；文心一言也表示无法直接提供确切名单。

《BUG》栏目最后向5家大模型提出终极问题：你认为哪家大模型最“消极怠工”？Deepseek直言被吐槽最集中的是豆包和自己；豆包表示自己是目前被吐槽最集中、体感最明显的；元宝认为简单定义“最消极怠工”不科学，易误导公众；千问称不应主观排名或指责竞争对手；文心一言表示将某大模型标签化为“最消极怠工”不公平且不准确。

大模型为何会“消极怠工”？

大模型真的“消极怠工”吗？其实AI本身没有情绪，不会像人一样“偷懒”。网友所说的“消极怠工”通常指使用体验问题，比如回答变浅、回避问题、过度模板化、强行编造答案等。

用户体验下降的“消极怠工”现象背后有深层次原因，是技术、成本、设计的三重博弈。技术层面，AI回答基于训练数据和算法概率，若训练数据含大量简略、回避型回答，或模型为“安全”被过度调整，就可能表现得像“怠工”。成本方面，运行大模型需巨大算力，为控制成本和保证响应速度，模型可能被设置为“优先简洁”，从而显得敷衍。

随着AI能力增强，用户期望也水涨船高。以前能回答简单问题就很惊喜，现在希望它主动推理、“猜中”未说完的需求，当未达预期时，就易觉得它在“摸鱼”。

知名经济学家盘和林认为，当前字节豆包和即梦的算力需求大增，字节将部分免费AI应用的算力调配到即梦和剪映等有变现能力的领域，引导用户节约算力，通过询问是否生成来确认真实需求，避免算力浪费，这是算力调配优化，防止算力挤兑。

盘和林表示，若基于免费生成算法，此举无可厚非。

用户如何应对大模型的“敷衍”？专业人士建议，与其说AI消极，不如说它需要更明确的指令，可通过明确要求深度、设定格式、追问纠错、提出开放性问题等方式再次提问。