在這個連聯合國報告都能在 Hacker News 引發口水戰的時代，我們對 AI 的要求早就不是什麼「創意寫作」，而是最基本的「事實過濾」。伊朗學校爆炸案這種充滿地緣政治煙硝味的話題，丟給現在市面上的四大模型，你會發現這不只是演算法的競賽，更是一場關於立場與資訊來源的博弈。馬斯克成天在 X 上嚷嚷著 Grok 是最追求真相的模型，但真遇到這種需要從海量混亂資訊中釐清美國軍事行動責任的複雜議題，Grok 的表現往往讓人捏把冷汗。
Grok 目前最依賴的實時數據流（Real-time data stream）雖然讓它在處理突發新聞時比 ChatGPT 快上幾秒，但這種快是有代價的。當 X 上的假帳號、極端立場言論與官方通訊稿混雜在一起時，Grok 往往會把「情緒」當作「事實」吸收進去。在針對這類國際爭議事件的測試中，如果你問 Grok 關於責任歸屬的細節，它有時會陷入一種混亂的邏輯循環：一邊引用聯合國的譴責聲明，一邊又抓取了大量質疑國際組織權威的推文。這種「既要又要」的平衡，導致它的回答看起來像是一個在酒吧裡聽各方爭論後整理出來的雜談，而不是具備深度判斷力的技術產物。
相較之下，ChatGPT 與 Claude 的處理方式就顯得老練（或者說，圓滑）得多。這兩者在面對極具爭議的政治軍事議題時，幾乎都內建了厚厚的防火牆。GPT-4o 在處理這類查詢時，會優先調用經過權威認證的新聞源，並在回覆中加入大量「有報導指出」、「據稱」、「各方觀點不一」等預設詞組。這種做法雖然安全，卻也讓它在面對需要即時判斷的任務時顯得平庸，像是一個永遠不敢給出定論的發言人。而 Claude 則更進一步，它的 Constitutional AI 框架會讓它在偵測到潛在的暴力、政治敏感或具有仇恨傾向的話題時，自動轉向一種極度冷靜且略帶疏離的語氣，確保自己不會成為任何一方的傳聲筒。這種冷靜在某些技術開發者眼裡，其實就是一種對真實世界複雜性的逃避。
聊到資訊處理的效率，最近 DeepSeek v4.1 Flash 在技術圈的討論度很高，但若把這種模型放在處理高敏感地緣政治資訊的場景下，它的反應邏輯與 ChatGPT 完全不同。當我們把目光拉回到 Gemini 身上，Google 的做法最令人困惑。Gemini 擁有全世界最強大的搜尋索引支持，理應能提供最詳實的背景資料，但它對事實的校驗機制（Fact-checking mechanism）卻經常在這種時刻當機。在某些測試場景中，Gemini 為了追求所謂的「平衡」，甚至會把一些明顯缺乏事實根據的陰謀論與聯合國的正式調查報告放在同等權重的位置進行摘要。這種技術上的「平庸之惡」，在處理類似伊朗爆炸案這種人命關天的議題時，顯得格外諷刺。
我們現在面臨的技術困境是：當模型具備了總結上萬字報告的能力，它到底是在幫我們過濾廢話，還是在幫我們消解真相？如果一個 AI 只能告訴我「有人說是美國幹的，也有人說聯合國在撒謊」，那我要這個模型幹什麼？我隨便去一個論壇翻翻留言板不也能得到同樣的結論？xAI 宣稱要打破這種矽谷式的政治正確，但 Grok 目前表現出來的，更多是對混亂資訊的無力招架，而不是真正的洞察。我們追求的是一個能從複雜訊號中提取真實結構的工具，而不是一個只會複讀 X 平台熱搜標籤的複讀機。
當這些大模型開始接管我們的資訊獲取管道，它們對事實的定義權就變得異常沉重。在面對像聯合國譴責或國際法庭裁決這種硬碰硬的資訊時，AI 是應該選擇當一個中立的記錄者，還是應該具備基本的價值判斷？如果未來所有的事實都被模型過濾成了一灘溫水，我們是否還有能力從中辨認出那些帶血的真相？當算法決策逐漸取代人類判斷，我們到底是變得更理性了，還是只是變得更懶惰了？