一句话看懂：喜剧创作者Matt Husk用视频专门测试ChatGPT语音模型的日常任务短板，累计约200万粉丝后，OpenAI、Anthropic与xAI均主动寻求合作；但厂商的示好方式反而暴露了它们对真实评测的敏感。
事件核心：发生了什么
据Wired AI报道，Husk在WIRED World Fair期间透露，OpenAI、Anthropic和Elon Musk旗下的xAI都已联系他洽谈合作。他称xAI提出若只为其制作视频，可提供一辆Tesla使用一周。他的走红路径很具体：在Instagram、TikTok和YouTube合计约200万粉丝，视频内容是面无表情地要求ChatGPT语音模型数到100、打beatbox或计时跑一英里。在计时视频里，模型把几秒错报成“大约10分钟”，被追问时又用安抚口吻回应。OpenAI CEO Sam Altman曾在播客《Mostly Human》上承认计时功能是“已知问题”，可能还要一年才能解决；OpenAI还曾提出以提前获取计时修复补丁为条件换取他的账户信息，并请求在视频中合作，Husk都拒绝了。
为什么重要
这组个案把大模型评测的一个关键盲区摆到台面：语音交互场景中，基础的时间感知、多步骤执行和事实一致性仍不稳定。厂商正把产品包装成能处理订餐、备课等日常事务的助手，而Husk只需一个简单计时请求就能让模型出错。他的视频能形成传播，也说明普通用户对“演示能力与实际可用性之间的差距”高度敏感。对OpenAI等公司而言，与其说这是一个麻烦的网红，不如说是一面低成本的外部测试镜。
对用户/开发者/创作者的影响
普通用户应把语音助手的回答当作起点而非结论，涉及计时、交易和事实核对时保留人工复核。开发者若在做语音Agent或客服类应用，需要为时间、数值和状态跟踪设计确定性工具调用，而不是完全依赖模型推理。对内容创作者来说，Husk的案例说明持续、可复现的实测比泛泛评论更有传播力；但他也表示自己不用AI生成创意，因为产出会“太相似”，宁愿保留自己最差的想法。
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
其一，OpenAI是否会在后续版本中真正修复计时等基础能力，还是仅以补丁和公关回应化解争议。其二，Anthropic与xAI的合作是否落地为具体内容，以及厂商会不会把类似“极限测试”纳入常规评测。其三，Husk与The Onion的原创系列能否延续影响力，这关系到“吐槽AI”内容的生命周期。
来源：Wired AI
