派拉蒙併購案搞出「草根行銷」假象，這事在 Hacker News 炸開了鍋。這不是什麼新鮮的商業手段，但這次讓人背後發涼的是，那種機器人寫出來的、看似充滿熱情的假評論，正以前所未有的速度侵蝕公共討論空間。當大家還在討論 DeepSeek v4.1 flash 和 DeepSeek v4 pro 的推理速度時，真正該擔心的是我們每天讀到的資訊，到底有多少是來自 Grok 或 ChatGPT 的流水線作業？
這種現象背後隱藏著一個極其殘酷的技術事實：生成式 AI 已經徹底解決了「大量生產個性化垃圾」的成本問題。以前要找水軍，你得花錢雇一群人，現在只需要串接 API。當這種技術被用在併購案的輿論導向時，我們面對的是一種工業級的認知干預。這種干預不再是僵硬的關鍵字堆砌，而是帶有情緒、帶有個人敘事、甚至帶有反向論證的擬人化輸出。
在這種場景下，Grok 的風格與 ChatGPT 形成了極其鮮明的對比。如果你讓 Grok 去寫一段支持併購的評論，它那種帶著埃隆·馬斯克式叛逆、偶爾諷刺、直言不諱的語氣，比起 ChatGPT 那種永遠溫文儒雅、條列優缺點的「AI 腔」要難以辨認得多。ChatGPT 輸出的內容往往太過完美，完美到一眼就能看出是經過 RLHF 調教後的標準答案；而 Grok 因為訓練數據包含了 X 平台上大量的原始爭吵與情緒，它生成的文字更具備欺騙性。它會用一種「我只是路過的憤青」的口吻，把商業利益包裝成對官僚體系的反抗。
我們在測試中發現，當給予同樣的引導詞（Prompt）要求生成具備「說服力」的短評時，Claude 在處理邏輯細節上的嚴謹度確實極高，它能把兩家公司合併後的稅收優勢寫得像專業分析師，但這反而讓它在社交媒體的偽裝任務中顯得格格不入。相比之下，Gemini 的表現則極其不穩定，有時會因為觸發安全機制而拒絕生成帶有明顯立場的內容，有時又會因為過度追求「創意」而寫出一些語法正確但邏輯崩潰的廢話。
有趣的是，相較於 DeepSeek v4.1 flash 或 DeepSeek v4 pro 這類強調極致推理效率的模型，xAI 的做法似乎更傾向於保留數據中的「雜訊」。這種雜訊在學術評測中可能是失分項，但在模擬人類真實反應時，卻是最高級的偽裝。當你在討論區看到一個帳號，它不只會講併購的好處，還會順便噴兩句現有的流媒體服務有多難用，你很難懷疑它是個機器人。
ChatGPT 在這場技術博弈中顯得有些束手束腳。OpenAI 為了避免倫理爭議，在 API 調用上加了大量的過濾器，這導致它生成的文字有一種揮之不去的「客服感」。這種客服感在面對嚴肅的技術諮詢時很有用，但在試圖融入人類的非理性討論時，它就像是一個穿著西裝去參加地下搖滾派對的異類。反觀 Grok，它天生就是為了這種混亂的環境而設計的，它不需要學習如何像人，它本身就是從人類最混亂的數據庫裡長出來的。
這引出了一個更深層的技術焦慮：當模型變得越來越擅長模擬「非理性」時，我們該如何防禦？目前的檢測工具大多依賴於抓取語言的統計特徵，比如詞彙分布的規律性。但當 Grok 或 Claude 被刻意要求模擬特定人群的語法錯誤、俚語和標點習慣時，現有的防護網幾乎形同虛設。這不是單純的技術升級，這是一場關於「真實性」的降維打擊。
如果未來所有的併購案、所有的政策討論、甚至所有的產品評價，都是由後台幾台伺服器在互相對話，我們這些真人還有必要參與討論嗎？當我們試圖在網路上尋找共鳴時，我們到底是在跟另一個靈魂交流，還是在跟某個經過微調的模型在玩一場早已設定好結局的文字遊戲？如果連「憤怒」和「支持」都能被精準地程式化，那公共空間的意義還剩下什麼？