一句话看懂：Hacker News 社区发起了一次公开投票，盘点过去几年人们给 AI 出的那些”刁钻挑战”里，哪些已经被现有模型攻克、哪些仍然失败。它值得关注，是因为这份清单等于一次由开发者亲手打分的”能力边界测试”，比厂商的 benchmark 更贴近真实使用。
事件核心：发生了什么
讨论出现在 Hacker News 的投票/问答板块，核心形式是让社区成员逐条判断：某些曾被视为”AI 做不到”的任务，现在是否已被大模型解决。目前公开信息显示，该帖的原始页面抓取失败（返回 419），因此无法核验完整的题目列表与逐项投票结果；可确认的是，这是一次社区自发的、围绕模型实际能力边界的集体复盘，而非某家公司发布的产品新闻。
这类挑战通常有几个典型来源：常识与物理推理题、代码调试与重构、长文档信息抽取、图像生成中的手部与文字渲染、以及需要多步规划和工具调用的 Agent 任务。
为什么重要
厂商的评测分数容易被针对性优化，而社区投票反映的是开发者日常碰到的真实题目。哪些项被划入”已攻克”，往往意味着对应的 API 调用、推理成本和稳定性已经跨过可用门槛；哪些项仍被标记为失败，则提示当前技术路线的结构性短板——例如长链条推理的可靠性、多模态一致性、以及对训练数据外新场景的泛化。
对行业而言，这份清单也是一种预期校准：它把”模型很强”这个模糊印象，拆成了一条条可以反驳的具体判断，直接影响开源与闭源模型之间的对比叙事。
对用户/开发者/创作者的影响
开发者可以据此判断哪些任务值得接进生产流程，哪些还需要人工兜底或加校验层；如果某类任务已被普遍认为攻克，继续为此自建模型或堆算力的性价比就在下降。创作者层面，图像生成、文案与剪辑类工具的可用性判断会更务实——重点不是”能不能做”，而是”一次成功率有多高、返工成本是多少”。企业采购则可以把这类社区共识作为试用期的验证清单，而不是只看模型卡上的分数。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是原帖的逐项投票结果是否被整理成可引用的公开清单；二是被标记为”仍失败”的类别里，是否有厂商在下一版模型中针对性回应；三是社区判断与主流 benchmark 之间出现分歧时，哪一方会先修正自己的评测方式。
来源：hackernews
