一場趣味測試在網絡熱梗引爆了AI圈，八家頂級視覺推理模型被拉上了“看圖猜字謎”的擂台，題目從簡單的諧音梗到多步推理再到網絡流行語，橫跨直覺與文化。
開始時，所有AI都能輕鬆把“雞打燈照大象”識別出來，答案直指“照相機”；圖片里的馬拉着松樹，也能順利翻譯成“馬拉松”。這些模型在基礎識別和直接邏輯上沒什麼壓力，表現得相當靠譜。
可題目一升級，AI們的短板立刻顯現。像“雞帶着鬼一起喊gogogo”，只有少數模型能反應過來是“機靈鬼”，很多AI不是掉鏈子，就是死在指令理解上。一張光標點“下載鍵”和管子一起出現，諧音“下館子”，有人能想透，有人卡在直譯。
等到雞和橙子組合，文化常識和多步拆字就更考驗大家，“雞少橙多”串起來是“積少成多”，但不少模型還是跑偏了答案。
到最後一個難度，全場啞火。瘋了的派大星端坐柿子上，網絡一代人都知道這指的是“瘋狂星期四”，但AI集體陷入懵圈。派大星的表情、動作的“騎”和“坐”，再加上中文特有的網絡語境，早已超出機器學得的範疇。能識別出物體、構建邏輯，還遠不是能懂活生生的梗。
這些結果不只是娛樂那麼簡單。測試背後，其實就是在拉扯AI計算智能和人文感知的界限。所有模型對圖片的直白元素處理得都很順暢，尤其豆包模型，本次測試里拿到總分第一，視覺識別和流程理解雙在線。
像Step-3、GPT等也表現不俗，在多模態任務里完全沒被全球頂尖平台拉開差距。其實看評分，國產模型已經能打得很有底氣了。
但真正考驗模型能力的，並不是雞、馬、管子這種“拼拼圖式”的題，而是那些需要引申理解、文化浸染以及人際默契的複雜梗。這裡頭不僅涉及語言諧音、還摻雜動作對位、表情解讀和網民語境。對人類而言，“雞少橙多”、派大星騎柿子，靠的是從小累積的文化經驗和社區記憶，AI則完全拿不到這種“暗號”。
連AI模型開發者都發現，不管是多模態處理，還是多層次的切片識別，一到細節，比如圖片下劃線數量、人物神態變化，模型就容易掉坑，原因正是機器還沒辦法無縫接入人類的聯想鏈條。
面對“瘋狂星期四”，AI缺的不是數據庫，而是對生活氣氛、群體默契和時代語境的感知。這就好比一台會拼圖的機器，遇到一群用彩蛋說話的網友，技術和文化始終有一道坎。
結果也指向了AI進步的下一步。想讓智能像人一樣“懂梗”，光提升視覺和邏輯遠遠不夠。模型還需要不斷學習語言背後的歷史、表情里的社會情緒、甚至一代網民獨有的爆笑邏輯。只有把這些人文因素納入智能成長體系，機器才有可能一步步補上和人腦之間的差距。
最有意思的，是這場測驗讓大家清楚看到了：只是提升計算和識圖能力，頂多能把AI培養成“文字功夫高手”；但想讓它在日常對話里抓住人情味、倉促出圈，那必須補上文化和情感這課。也許未來有一天，機器真能明白“V我50”，那才是技術和生活徹底融合的時刻。
