AI实验室是否刻意优化“骑自行车的鹈鹕”？系统测试未发现证据

Dylan Castillo针对AI实验室是否专门训练模型生成“骑自行车的鹈鹕”进行了系统测试。他设计了8种动物×6种车辆共48个提示，每个提示在7个模型（GPT-5.6 Terra、Claude Sonnet 5、Gemini 3.5 Flash、Grok 4.5、Qwen3.7-Max、GLM-5.2、DeepSeek V4 Pro）上运行3次，并用GPT-5.6 Luna和Gemini 3.1 Flash-Lite辅助评估。结果显示，没有任何模型在鹈鹕骑自行车场景上表现更好，GLM-5.2虽有微小正向偏差但统计不显著。结论是AI实验室并未系统性地优化这一特定组合。