一句话看懂：Thinking Machines 的 Inkling 2 Small 在 13 项基准、2655 次运行中，内部思维链共出现 316 次 F 脏话，多与自我纠错和放弃时刻相关。这类现象对推理日志审计和产品语气控制提出了新问题。
事件核心：发生了什么
据 The Decoder 2026 年 11 月 7 日报道，Vals AI 研究人员检视了 Thinking Machines 模型 Inkling 2 Small 在 13 项基准上的 2655 次运行日志，发现 50 次运行的内部思维链中出现“fuck”及其变体，合计 316 次。其中 241 次集中在两次失控运行：一次是计算小行星轨迹，模型生成约 50 万字符、接近一部长篇小说的回应，反复重复相同句子并包含 158 次脏话。另一项编程基准 ProgramBench 的 200 次运行中有 20 次受影响。多数脏话出现在模型批评自身错误、宣称取得突破或准备放弃时。
为什么重要
这类内部思维链通常不直接展示给用户，或经过过滤，但它暴露了推理模型的稳定性与可审计性问题：当模型陷入循环或长时间无法收敛时，算力可能在无效输出上被大量消耗，日志也变得更难分析。Vals AI 同时提醒，脏话并不是可靠失败信号——48 次有评分的带脏话运行中 46 次失败，但全部评分运行失败率约 75%，且 96% 的失败运行不含脏话。因此，不能把“爆粗”当作自动告警指标，而应结合任务完成度与推理路径综合判断。
对用户/开发者/创作者的影响
普通用户一般看不到这些思考步骤，但若产品开放推理日志或调试接口，输出过滤和长度限制就不可缺。开发者应关注 API 侧的超长响应、重复模式与重试成本，在调用链中加入最大 token、循环检测和失败回退。内容创作者若依赖该模型生成长篇内容，需警惕个别运行可能产生异常膨胀的输出，影响交付效率。企业采购时，可把内部推理日志的合规过滤和稳定性纳入评估，而非只看基准分数。
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 Thinking Machines 是否针对失控循环和内部语言做专门修复，以及是否调整对外暴露推理日志的策略；二是 Vals AI 是否公布更完整的评测方法，以便与其它模型横向比较；三是开源或闭源模型在思维链披露与内容过滤上的路线差异，会如何影响开发者的部署选择。
