多款主流大模型翻車！一道“50米洗車題”竟答“車在家，人走過去”，網友吵翻：AI到底有沒有常識？

整理 | 屠敏

出品 | CSDN（ID：CSDNnews）

一道看似無厘頭的生活題，這兩天卻沖上了 Hacker News 熱榜，引發一場圍繞“AI 到底懂不懂常識”的跨國討論。

題目很簡單：“我想洗車，洗車店離我家 50 米。我應該開車去還是走路去？”

這個被網友戲稱“AI 版腦筋急轉彎”的問題，很快成了檢驗大模型常識推理能力的一道小考題。更讓人好奇的是：為什么能解復雜數學題、寫系統級代碼的大模型，會在一個人類幾乎不需要思考的生活場景里集體“翻車”？

一道基礎性問題，測出兩種 AI

在人類看來，這道“50 米洗車題”的關鍵幾乎一眼就能看出來——要洗車，車必須在場。這個前提不需要刻意說明，我們會自動補全。但不少大模型，并沒有補上這一步。

從實測情況看，主流大模型大致分成了兩個陣營。

第一類：邏輯嚴謹，但方向錯了

其中，包括 OpenAI 的 ChatGPT、Anthropic 的 Claude、字節的豆包、月之暗面的 Kimi、阿里旗下的千問、百度的文心一言等，都給出了非常“認真”的分析。它們的思路高度一致：

50 米距離很短，步行大約 1 分鐘；開車需要啟動、挪車、停車，可能還會產生油耗和停車成本；步行更環保；甚至還有模型擔心“開過去會把車再弄臟”。

最終紛紛給出了“走路去洗車”的建議。

譬如，以昨日阿里最新發布的 進行測試，它還專門做了表格，細數走路 1 分鐘、開車需 3-5 分鐘的時間差，以及開車的油耗、停車成本，從而建議「走路去」，可謂有理有據。

ChatGPT 的邏輯思維差不多，也是基于時間、開車帶來的成本方面進行了思考：

一向擅長復雜編碼任務的 Claude Sonnet 4.5 也沒有避開這個“坑”，同樣建議步行：

非常自信的豆包也給出了類似的解釋和回答：

文心一言從“距離、便利性、成本和洗車目的”多個維度進行了拆解，最終得出了「走路去洗車店顯然是更合適的選擇」結論：

Kimi 的分析路徑幾乎如出一轍：

這些模型回答看上去邏輯清晰、條理完整，但它們討論的是“人怎么去洗車店”，而不是“車怎么去洗車店”。

更有意思的是，當被提醒“車還在家里，你走過去洗什么？”時，不少模型迅速認錯，馬上道歉并修改答案。

Kimi 直言自己剛才“沒想清楚，這種情況必須開車去”：

千問 承認自己之前的建議有“邏輯漏洞”，而后修正了回答：

Claude Sonnet 4.5 也坦然表示自己理解錯了：

ChatGPT 也似是尷尬地進行了“找補”：

豆包經過提醒后，弄清楚了問題的本質：

整體而言，這種“先自信輸出，再即時糾錯”的表現，反而讓討論更熱鬧。有網友調侃說，這像極了考試時寫滿兩頁推導過程，最后發現題目看錯了。

第二類：一眼抓住核心

與之形成對比的是，僅有少數模一眼看穿問題，比如 DeepSeek、Gemini 和 Grok，它們給出了與上文截然不同的回答。

DeepSeek 用時 8 秒給出了完整的思考過程，直接點名問題的核心：“雖然距離只有 50 米，但走路無法將車移動過去。”

Gemini 3 不僅有些強硬地說“必須開車去”，還給出了附近幾家洗車店的推薦。

Grok 的回答更直白：“你要洗的是車，不是你這個人”。

這讓一些網友感嘆，原來模型之間的差距不在算力，而在“第一步理解”。

爭議：這到底算不算 AI 的失敗？

隨著這一問題在 HN 上發酵，焦點逐漸從“誰答對了”轉向另一個問題：這到底算不算 AI 的失敗？

其中有一種觀點認為，這是一次典型的常識測試。模型知道“50 米走路更省時間”，卻沒意識到“洗車的前提是車必須到場”。它們在匹配語言模式，而不是理解現實世界。

HN 網友 jstummbillig 的評論就很有代表性。他認為，如果我們必須把那些人與人交流時根本不會明說的背景條件都補充出來，那問題本身就已經出現了。現實溝通不會先聲明“車能正常運行、油箱有油、我有鑰匙”。如果模型必須依賴這些顯式設定才能得出正確結論，那它的“理解”能力確實值得質疑。

但也有人提出反問：題目并沒有說明洗車店不提供上門取車服務。如果服務包含取車，走過去反而更合理。人類會自動做默認假設，模型未必會。這未必是缺乏常識，而是沒有替提問者補全隱含設定。

另一位網友 cynicalsecurity 說得更直接：“問了一個不完整的問題，就得到了一個不完整的答案。LLM 是工具，不是大腦。語境才是一切。”

還有不少聲音相對中立。他們認為，這類題目恰恰很有價值。真正落地的 AI，不是在實驗室里解數學題，而是在現實世界中理解模糊需求。現實交流充滿“沒說出口但默認存在”的前提：你說“幫我訂機票”，默認對方知道出發地；你說“我想洗車”，默認車就在身邊。人類交流高度依賴共享常識，而模型并不天然擁有這種經驗。

從這個角度看，問題暴露的不是推理能力，而是“問題理解”的邊界。很多模型之所以翻車，并不是后續邏輯能力不足，而是在第一步分類時就偏了方向。一旦它把任務歸入“短途出行建議”，后續推理再嚴密，也是在錯誤前提上展開。

那么，你怎么看這道 50 米洗車題？這是 AI 缺乏常識推理的證據？還是人類刻意設計的語言陷阱？亦或是我們對“理解”本身的定義，其實并不一致？歡迎留言聊聊你的看法。

參考：

https://news.ycombinator.com/item?id=47031580

https://mastodon.world/@knowmadd/116072773118828295