OpenAI 发布首个“推理”AI 模型 o1 后，一个有趣的现象引发关注：即使问题用英语提出，该模型有时也会用中文、波斯语等语言进行“思考”。
面对需要梳理的问题（如“单词‘strawberry’中有几个字母R？”），o1 会启动推理步骤得出结论。虽然最终回答与提问语言一致，但在推理过程中，模型可能会切换至其他语言。
用户反馈与现象质疑
Reddit 及 X 平台多位用户反映，o1 会在对话中随机使用中文思考，即便上下文全为英文。
为什么 o1 pro 会随机开始用中文思考？整个对话（5条以上消息）中没有任何部分是中文……非常有趣……可能是训练数据的影响 pic.twitter.com/yZWCzoaiit
—— Rishab Jain (@RishabJainK) 2025 年 1 月 9 日
OpenAI 尚未对此现象作出解释或承认。AI 专家们也尚无定论，但提出了几种理论。
理论一：中文数据标注的影响
Hugging Face CEO Clément Delangue 等人推测，推理模型可能在包含大量中文字符的数据集上训练。Google DeepMind 研究员 Ted Xiao 指出，包括 OpenAI 在内的公司常使用第三方中文数据标注服务来获取科学、数学和编码领域的博士级推理数据。
Xiao 表示：“出于专家劳动力和成本原因，许多这些数据提供商位于中国。”标签有助于模型理解数据，但有偏见的标签会导致模型偏差。例如，若标注员将非裔美国人白话英语（AAVE）标记为有毒内容，基于此训练的 AI 毒性检测器便会错误地认为 AAVE 具有毒性。
理论二：语言效率与词元关联
也有专家不认同“中文数据标注”假设，因为 o1 同样可能切换到印地语、泰语等其他语言。他们认为，模型只是在使用其认为最高效的语言来实现目标，或产生了幻觉。
阿尔伯塔大学 AI 研究员 Matthew Guzdial 告诉 TechCrunch：“模型并不知道什么是语言，对它来说所有这些都只是文本。”模型处理的是词元（tokens）而非单词。词元可以是单词、音节甚至单个字符。与标签类似，词元转换器也可能引入偏见（例如假设空格代表新词开头，但这并不适用于所有语言）。
Hugging Face 工程师 Tiezhen Wang 认为，这种不一致性源于训练期间建立的关联。他在 X 上写道：“通过拥抱每一种语言细微差别，我们扩展了模型的视野……我更喜欢用中文做数学题，因为每个数字只是一个音节，计算清晰高效；但涉及无意识偏见等话题时，我会自动切换到英语，因为我是首先在那里学习并吸收这些概念的。”
作为概率机器，模型通过学习大量示例中的模式做出预测。但艾伦人工智能研究所研究科学家 Luca Soldaini 警告称，由于模型的高度不透明性，此类观察无法得到证实。“这正是为什么 AI 系统构建方式的透明度至关重要众多理由之一。”
在得到 OpenAI 官方回应前，我们只能猜测为何 o1 用法语构思歌曲，却用普通话思考合成生物学。
TechCrunch 有一本专注于 AI 的新闻通讯！在此注册，每周三将其发送到您的收件箱。