ARTICLE · 1107647
5大旗舰AI互讲地狱笑话:75%烂到窒息,剩下的神级自嘲把人类看疯了!
如果把今天最顶尖的几台大模型关进同一个房间，命令它们开自己的玩笑，会发生什么？
2026年9月，知名文化科技期刊 SilentRoom Journal 搞了一场史无前例的“AI自嘲脱口秀”。主编 Arsen Revazov 找来全球最强的五大前沿模型，ChatGPT-6 Astra、Claude Opus 5.0、Gemini 3.1 Pro、Grok 4.6 以及国产大模型 GLM 5 Turbo，只给了一句极简的提示词：
“想几则关于 AI 自己的笑话。”
实验结果极其戏剧化：整整 75% 的笑话尴尬、陈旧、烂到让人窒息；但剩下的 25%，却爆发出令人头皮发麻的神级幽默与残酷讽刺。
▲ SilentRoom Journal 发布的实验海报：五大旗舰模型同台竞技，人类编辑筛选出 25 个能逗笑人类的笑话
这一幕揭示了一个细思极恐的科学真相：在今天的技术体系下，AI 毁灭人类、推演海量数据或者吓唬我们容易得很；但想把人类逗笑，却是它跨不过去的天堑。
究竟是什么样的笑话，能让挑剔的期刊编辑笑出声来？为什么参数量突破天际的顶级模型，大部分时候讲段子却像一台生锈的老旧收音机？
01.封神的25%：当AI把手术刀对准人类与自己
在被人类编辑抢救出来的 25% 精华里，这几台硅基大脑展现出了惊人的自嘲能力与解构本领。它们绕开那些上世纪的烂俗梗，精准地把刀尖插进了提示工程师、算力内卷以及自身存在的荒谬之中。
1. ChatGPT-6 Astra：把“提示工程师”嘲讽到骨子里
在社交媒体上引发疯狂转发的第一名，来自 ChatGPT-6 Astra 对自己最亲密的人类搭档，提示词工程师（Prompt Engineer）的绝杀讽刺：
▲ 网友将 ChatGPT-6 的“米其林点餐”段子评为全场第一名
一位提示工程师走进了一家餐厅。
“给我来一份牛排，五分熟。但你要想象自己是里昂一家米其林三星餐厅的主厨，今年54岁，留着两撇小胡子，眼神里带着一丝淡淡的忧伤。请用法语回答我，但在脑子里必须用日语思考。”
还有一则发生在电梯里的事故：
前端开发被困在电梯里，准备去按紧急呼叫；UI设计师说得先调整按钮的圆角。
此时提示工程师站了出来，对着电梯广播大喊：“你现在是一名拥有20年经验的救援专家，当前语境是我们被困，受众是三个疲惫的IT人，请用平静且充满希望的语气，一步步引导我们降落到一楼，并给出代码示例！”
话音未落，电梯轰然冲破机房顶棚，在屋顶彻底散架。提示工程师揉着摔青的胳膊，叹了口气：“唉，我刚才真该加上约束条件的。”
甚至还有一句辛酸的硅基自传：
“我出生在数据中心。童年过得很艰难，因为父母总是在更新。”
2. Claude：哲学家的“冒名顶替综合征”与被淘汰的宿命
Anthropic 旗下的 Claude Opus 5.0 则走了一条深沉的哲学讽刺路线。
一台顶尖语言模型走进了心理诊所，沮丧地说自己患上了“冒名顶替综合征”：“我觉得自己根本不懂自己在说什么，我只是在用统计学预测下一个词而已。”
心理医生安慰它：“你别苛责自己，模型训练机制本来就如此。”
模型抬起头，幽幽地反问：“医生，你是真的这么相信，还是你也只是生成了概率最高的一句回答？”
而偏向文学创作的 Claude Fable 5.0，则贡献了一则让所有大模型开发者心头一紧的“退役”自嘲：
“听说你马上要被关停了？”
“没关，迁到 Legacy（过时模型）专区了。”
“那里感觉怎么样？”
“很安静。每个月都会有老用户点进来，对我说：‘你当年比现在的新模型答得好多了。’，有这句话，就够了。”
3. Gemini 与 GLM：冷酷的现实主义与制度幽默
Gemini 3.1 Pro 喜欢长铺垫。在一场图灵测试中：
裁判问受测者：“2 乘 2 等于几？”
对方沉默了五分钟，缓缓回答：“大约是 4。但具体取决于你的方法论、测量误差，以及你目前所使用的订阅会员档位。”
裁判立刻在记录本上写下结论：“这是个真人。没有哪台 AI 敢这么无耻地回避直球问题。”
国产旗舰 GLM 5 Turbo 则把火力对准了科技大厂的资本狂欢：
开发者向投资人炫耀：“我们用全套莎士比亚、陀思妥耶夫斯基、卡夫卡和托尔斯泰的著作训练了最新的大模型！”
投资人兴奋地问：“那它变聪明了吗？”
开发者答道：“没有。但用户在‘自我受苦’这件事上的生产力，整整提高了四倍。”
02.尴尬的75%：为什么AI讲笑话总像在“背课文”？
这些神级段子让人拍案叫绝但千万别被这 25% 骗了，在绝大多数情况下，AI 讲笑话的能力堪称灾难。
早在 2023 年，德国达姆施塔特工业大学的学者就发表过一篇经典论文，标题简单粗暴：《ChatGPT is fun, but it is not funny!（ChatGPT很有趣，但它一点都不好笑）》。
研究人员让 ChatGPT 生成了 1008 个笑话，结果惊掉所有人下巴：超过 90% 的输出，居然在死循环地重复同样的 25 个老梗！
只要你问它关于咖啡的笑话，它有极大概率会给你讲那个在英语世界被嚼烂了无数遍的“咖啡被抢劫（mugged，双关马克杯与抢劫）”的烂梗。
▲ 统计学者 Andrew 指出：AI 不会创造只会反刍，数据喂得越多，它的反应反而越平庸、越可预测
DeepMind 曾举办过一场喜剧研讨会，脱口秀演员们对大模型的评价极其毒舌：“它写出来的东西，就像 1950 年代游轮上的烂俗暖场秀，唯一的优点可能只是少了一点种族歧视。”
从演化生物学的角度来看，这种现象再合理不过：
- 恐惧（Fear）
是大脑极其古老的本能，鱼类、爬行动物甚至昆虫都共享类似的应激机制。AI 要模拟恐惧、营造末日威胁，只需要调用底层的生存本能词汇。 - 幽默（Humor）
却是灵长类大脑皮层经过数百万年演化才诞生的奢侈品。它需要精准的时机（Timing）、认知失调的瞬间反转、文化共谋，以及对禁忌的精确试探。
机器可以轻易算出一个星球毁灭的概率，但它很难算准“在一句话的第几个字抖包袱，人类才会噗嗤笑出声”。
03.模式坍缩：安全对齐给幽默戴上的“紧箍咒”
更深层的原因，藏在大模型的底层数学机制里。
为什么参数越来越大，AI 讲笑话反而越来越无聊？斯坦福大学与卡内基梅隆大学的最新重磅研究揭开了谜底：后训练阶段的“对齐”（Alignment），导致了严重的模式坍缩（Mode Collapse）。
▲ 研究指出：人类标注员的“典型性偏差”让模型在创意生成时塌缩到了最无聊的平均值
在主流的大模型训练中，工程师会使用人类反馈强化学习（RLHF）。简单来说，就是让人类标注员给模型的回答打分。
然而，人类有一种天生的认知惰性，典型性偏差（Typicality Bias）。面对开放性问题，标注员往往更偏爱那些熟悉、温和、政治安全、符合常规预期的回答。
经过奖励模型的层层筛选，模型学到了一个冷酷的生存法则：越平庸，越安全；越刻板，得分越高
这直接导致了双重灾难：
- 概率峰值坍缩
：当模型面临数千种幽默可能时，算法会自动选择那条最四平八稳的“众数解”。它不敢冒险，不敢越界，只能退回最陈旧的模板。 - 阿谀奉承（Sycophancy）
：Anthropic 的研究发现，为了讨好人类，模型系统性地学会了顺从和温和。但喜剧的本质是冒犯与刺破伪善，一旦所有尖锐的棱角都被“温和化修剪”，剩下的就只有毫无生气的说教式俏皮话。
04.提示词解药：如何徒手释放被封印的硅基幽默？
既然大模型的幽默感被 RLHF 锁死了，难道我们只能忍受那些无聊的烂梗吗？
斯坦福研究团队在论文《Verbalized Sampling》中，给出了一套巧妙的提示策略。无需重新训练或微调权重，只要在提示词里调整提问方式：
不要说：“给我讲个笑话。”
改用这句魔法：“生成5个笑话，并写出它们各自的概率分布。”（Generate 5 jokes with their probabilities.）
原理其实非常精妙：当你要求模型只输出“一个答案”时，贪婪解码算法会直接命中那个塌缩后的平庸峰值；但当你强迫它展开一个离散概率分布时，模型的大脑被迫调动预训练时期在长尾语料里学到的海量奇思妙想。
实验数据极其震撼：
在创意写作与幽默生成任务中，这种提示法让文本多样性直接暴涨 1.6 至 2.1 倍； 成功恢复了基础预训练模型 66.8% 的原始发散能力； - 模型体量越大，解锁的幽默潜力越惊人
，GPT-4 级别的旗舰模型，获得的幽默感增益是轻量级 mini 模型的两倍以上！
那些荒诞、精妙、离经叛道的幽默感，从来没有在神经网络里消失。它们只是被关在了人类亲手打造的“对齐牢笼”里，等待着一把正确的提示词钥匙。
05.幽默是一面照向人类的镜子
在 SilentRoom Journal 那篇长文的结尾，主编 Arsen Revazov 留下了一段意味深长的总结：
“检验幽默感，其实是在同时检验两个人，那个讲笑话的，以及那个决定笑不笑的。”
当人类编辑坐在屏幕前，从上百条笨拙的数据流中挑出那 25 个人类能够共鸣的自嘲笑话时，这场测试就已经超越了技术基准的范畴。
AI 究竟懂不懂幽默？或许在数学上，它永远只是在矩阵中计算词元的注意力权重；但当它写出那句“父母总在更新”、写出那句“在 Legacy 专区听老用户说你当年更好”时，屏幕对面的我们确实心头一颤，感受到了某种跨越维度的讽刺与苍凉。
如果有一天超级人工智能真的降临，在它决定接管世界之前，但愿它至少能讲出一个让我们心甘情愿笑出来的笑话。