一句话看懂：有用户提出用“鹈鹕骑自行车、孙悟空开飞机、秦始皇骑北极熊”三个图像生成提示词做日常测试，通过每天画同一组题来观察模型能力是否出现波动，相关讨论把“模型降智”这个模糊感受变成了可对比的量化观察。
事件核心：发生了什么
2026年9月14日，X 用户 @lxfater 发布了一条被广泛传播的帖子，提出一个判断大模型是否“降智”的土办法：固定使用三个图像生成提示词——鹈鹕骑自行车、孙悟空开飞机、秦始皇骑北极熊，坚持每天生成并对比结果，据此观察模型智力是否在动态变化。该帖获得约 13.58 万次浏览，评论区有用户反馈“骂它一顿反而好了”，也有人表示自己“每次都是降智”，还有人提到分别测试两个 Pro 20x 账号，一个稳定降智、一个正常，并希望能获得补偿。
为什么重要
这三个提示词的价值不在于画面本身，而在于它们同时考验模型的语义理解、物体组合、空间关系和常识一致性：鹈鹕的喙、自行车结构、孙悟空的形象、飞机的座舱逻辑、秦始皇与北极熊的组合都容易出现肢体错乱、元素缺失或指令漂移。对闭源 API 而言，用户无法看到权重和推理配置，只能通过这类可控输入来间接判断服务质量是否被悄悄调整。目前公开信息显示，这类测试仍属于用户侧经验观察，不能直接证明厂商修改了模型，但它反映了一个真实痛点：模型版本、算力调度、推理参数和灰度策略的变化，用户往往只能靠体感发现。
对用户/开发者/创作者的影响
对普通用户，固定提示词加时间戳截图，是一种低成本的横向对比手段，尤其适合在订阅制产品中判断功能是否缩水。对开发者和企业采购，单一提示词不足以作为选型依据，更稳妥的做法是维护一组覆盖图像生成、推理、长文本和指令遵循的自建评测集，并在调用 API 时记录版本号、延迟与失败率，避免把业务波动误判为模型退化。对内容创作者，这类测试本身就是可复用的选题素材，能直观展示不同模型的差异，但结论需要多轮样本支撑，不宜用单张图下判断。
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
一是相关厂商是否会对“模型能力波动”给出更透明的版本说明或状态页；二是这类民间测试会不会沉淀成标准化的社区榜单，覆盖图像生成与大模型推理；三是如果多个 Pro 账号出现稳定差异，订阅分级与算力分配是否会被进一步讨论。
来源：@lxfater
