Ask HN:LLM 有哪些简单的事情特别不擅长?

一位 HN 用户发起提问——哪些简单事你反复让 ChatGPT、Claude 做,它们却依然搞砸?讨论集中暴露了当前大模型在空间推理、精确关键词检索和提示词自我优化上的系统性短板,这些并非小缺陷,而是架构层面的能力盲区。
先解决问题,再了解资讯。选择你现在要完成的任务。

一位 HN 用户发起提问——哪些简单事你反复让 ChatGPT、Claude 做,它们却依然搞砸?讨论集中暴露了当前大模型在空间推理、精确关键词检索和提示词自我优化上的系统性短板,这些并非小缺陷,而是架构层面的能力盲区。

该报错发生在使用 langchain-fireworks 调用支持思考链的模型(如 GLM-4.6、Kimi K2)时,Fireworks API 返回的 reasoning_content 字段没有被 LangChain 集成层正确捕获或转发。优先检查你是否使用了旧版 langchain-fire

盲测平台 StudyArena 对 6851 份学生投票的分析显示,在论文写作任务中,Google 的 Gemini 以 39.6% 的盲选率领先 Claude(31.8%)和 ChatGPT/OpenAI(29.2%)。更重要的是,学生偏好更长但推理强度更低的回答,这对大模型在写作场景的产品设计有直接参考意…

Adobe Acrobat 一项针对英国职场的新调查显示,近 75% 的 C-suite 高管愿意将包含敏感信息的公司文档交给 AI 工具处理,而普通员工中这一比例仅有 20%。公司管理层与基层在 AI 使用态度上的严重分裂,正在成为企业数据安全的新盲区。

印度AI基础设施公司AM Intelligence向英伟达订购9000套Vera Rubin系统,并计划在一个80亿美元的项目中提供1GW总算力,这是印度市场在高端AI算力采购上的一个明确信号。

一项针对学生的AI论文盲测显示,Gemini在写作任务中更受青睐,但数据同时表明,胜出的回答平均比落选者长37%——这场评测可能更多是“长度偏好”的胜利,而非模型真实能力的碾压。

IBM 发布开源企业级模型 Granite 4.2,首次在开放模型中原生加入推理能力,并用强化学习(RL)优化智能体任务执行——这意味着企业级模型不再只是“能聊天”,而是开始具备“会规划、能调用工具”的自主工作能力。

AI 智能体的上下文管理正在从“无限拉长窗口”转向“压缩+预测”的架构方案。开发者对 Synap 这类工具的质疑集中在文档兼容性、是否优于 RAG 以及本地化部署能力上。

印度语音 AI 初创公司 Ringg 获得 Peak XV Partners 追加的 1000 万美元投资,准备把语音 AI 从简单的电话外呼,推向更复杂的医疗预约、电商弃单挽回和金融 KYC 审核等企业级工作流。这件事说明,语音 AI 的竞争焦点正在从“能听会说”转向“能办事”。

苹果发布搭载M6与M5 Ultra芯片的新款Mac Studio和Mac mini,M6首次采用2纳米工艺,M5 Ultra则以四芯片封装将本地大模型推理性能推到新高度,桌面端AI算力竞争进入新阶段。