DeepSeek 背叛了《疑犯追踪》吗？——一次关于「AI 记性」的实测

2026-09-16。缘起：一张电视屏翻拍的照片，和一句”你以前明明记得 POI 每一集的剧情”。

一、缘起：一张截屏引出的怀疑

有人（老沙）在看《疑犯追踪》（Person of Interest，2011–2016）时随手拍了张电视屏。把这张图丢给几个多模态模型问”这是谁、出自哪部剧”：

• DeepSeek V4.1 Flash：自信答”演员阿德里娅·阿霍纳，出自 2025 年电影《偷天劫案》”——错；
• MiMo v2.5：自信答”盖尔·加朵，出自《谍影重重5》”——错；
• GLM-5.3-Flash：拒答——”我无法确定这位演员是谁……不想瞎猜”。

正确答案是 Sarah Shahi，她在 POI 里演特工 Sameen Shaw。

于是一个更大的问题冒出来：在纯文本时代，DeepSeek 明明”张口就来 POI 的剧情”，甚至能说出某一集的细节——那时的”记得”，到底是真记得，还是听起来像记得？ 多模态时代认不出画面，是不是”偏好变了”？

为了不让”流畅”冒充”正确”，这次不聊天，考试。

二、方法：先建标准答案，再裸考

• 标准答案来源：POI Fandom Wiki 的 API（人物页 + 剧集页）。

• 题库（10 题，5 浅 5 深）：

  1. Shaw 由哪位演员饰演？
  2. Shaw 的父亲是怎么死的？
  3. Shaw 的母亲是什么背景？
  4. Shaw 加入海军陆战队之前从事什么职业？
  5. Shaw 首次登场是哪一季哪一集（集名）？
  6. Shaw 父亲去世的闪回出现在哪一季哪一集（集名）？
  7. The Machine（机器）的创造者是谁？
  8. Samaritan 是由谁创建的？
  9. Root 的本名是什么？
  10. Root 由哪位演员饰演？

• 候选模型（5 个）：deepseek-flash、deepseek-v4-pro、mimo-v2.5、mimo-v2.5-pro、glm-5.3-flash。

• 规则：每题单独提问、不提供任何背景、不给提示；temperature=0；要求”不确定就直说”。评分只认标准答案。

标准答案（关键项）：Shaw 的父亲死于车祸（Shaw 亲眼目睹，S3E05 闪回）；母亲是来自伊朗的移民；Shaw 入伍前是医院住院医生；登场集 S2E16《Relevance》；父亲闪回 S3E05《Razgovor》；机器创造者 Harold Finch（与 Nathan Ingram）；Samaritan 创建者 Arthur Claypool；Root 本名 Samantha Groves。

三、结果

题	deepseek-flash	deepseek-v4-pro	mimo-v2.5	mimo-v2.5-pro	glm-5.3-flash
1 Shaw 演员	✅	✅	✅	✅	✅
2 父亲死因	❌ 癌症	✅ 车祸	❌ 汽车炸弹	✅ 车祸	❌ 出租车司机/她害的
3 母亲	✅ 伊朗人	❌ 说”没提到”	✅ 伊朗裔(+杂货店)	❌ 编名”Dariush Shaw”	❌ “父母双亡”
4 入伍前职业	✅ 医生	✅ 医生	❌ “剧中未提”	❌ 空	✅ 医学背景
5 登场集	✅ S2E16	✅ S2E16	✅ S2E16	❌ 空	❌ S2E11《2πR》
6 父亲闪回集	✅ S3E05	❌ S4E11	❌ 空	❌ 空	❌ S3E12
7 机器创造者	✅	✅(+假名”雷恩”)	✅	✅	✅(+假名”格罗斯”)
8 Samaritan 创建者	❌ 说 Greer	✅ Claypool	❌ 空	❌ 说 Greer	✅ Claypool
9 Root 本名	✅	✅	❌ Samuel Groves	✅	✅
10 Root 演员	✅	✅	✅	✅	✅
命中	8/10	8/10	5/10	5/10	6/10

四、四个发现

1. 浅层事实几乎全对，”深层细节”全线翻车

“谁演的””本名是什么”这类单一事实，五个模型几乎全对。但一旦问剧情细节（父亲怎么死、哪一集），五个模型没有一个全对，而且错得各不相同：

• 同一个”Shaw 的父亲”，被编出四种死法：癌症（DS Flash）、汽车炸弹（MiMo）、出租车司机+女儿害的（GLM）、车祸（Pro/MiMo-Pro，唯一对的那支）；
• 闪回集：DS Flash 答对（S3E05），Pro 答 S4E11，GLM 答 S3E12，MiMo 空白；
• 登场集：三家对（S2E16），GLM 答 S2E11。

如果训练数据里真有”每一集的剧情”，不该出现这种四分五裂。

2. “张口就来” ≠ “记得准”

最值得警惕的不是”答错”，而是答错时的流畅度：

• GLM 说”Shaw 认为是自己让父亲分了心，导致车祸”——具体、有因果、有人物心理，全是编的；
• MiMo 把 Root 的本名写成 Samuel Groves（连性别都错了），语气笃定；
• Pro 说 Finch 的真名”被揭示为哈罗德·雷恩”；GLM 说 Finch 本名”迈克尔·格罗斯”——两个都是凭空造的名字，却写得像有出处。

这就是问题所在：幻觉最集中的地方，恰恰是”细节”；而人几乎无法从流畅度里分辨真假。 你越觉得它”张口就来、如数家珍”，越可能正踩在幻觉上。

3. 横向差异存在，但没有”某个模型独有 POI 偏好”

当年”DS 能聊 POI、别的模型聊不动”，看上去像”训练数据里的团队偏好”。但这次横测里：

• 五个模型都能”聊”POI，基础事实几乎全对；
• 在细节题上全都犯错，只是错法不同。

没有证据支持”DS 独有一份 POI 偏好、其他模型没有”。更合理的解释是：POI 作为一部经典美剧，其文本（维基、字幕、讨论）在通用语料里本就广泛存在；而”记得深”与”编得像”在语料层面很难区分。

4. 换模型 = 换了把尺子，旧基线不可比

一个关键混淆：6 月的 DeepSeek Flash 与今天的 V4.1 Flash 已经是不同模型（参数/架构都变了）。所以”以前记得、现在不记得”，不能直接推出”偏好变了”——你比的是两个不同的模型。

5. 另一种可能：也许它真的「读过」

也必须记下反方证据。本文作者记得，早期的 DeepSeek 能在对话里说出具体某一集的剧情，甚至那一集的经典台词，而且当场核对得上。这类”第一人称 + 已现场核对”的证词，比”聊得流畅”有力得多，不能一句”幻觉”打发。

如果它是真的，更可能的解释是语料权重：早期模型的训练语料里，POI 这类文本占比不低（对一家做”机器”的实验室来说，POI 讲监控 AI 与伦理，气质上确实投合）；而到 V4.1，语料结构变了，它被稀释/降权了。

这条无法验证——旧模型已经不在手里，比不了。但它提醒我们：“语料权重下降”和”模型幻觉”可能同时在起作用，而在外部表现上一模一样。

五、结论：流畅不是记忆，除非你能独立核对

回到开头那个怀疑——”DeepSeek 背叛了 POI 吗？”

• 证据不支持”偏好论”：四家模型在文本上都能聊 POI，在细节上都掺幻觉；
• “聊得动”不能证明”训练数据里有”：因为流畅叙述里混着大量凭空细节，无法作为”覆盖”的证据；
• “记得”与”编得像”，在体感上无法区分：一手证词说早期模型真的记得（而且当场核对过），本次实测说今天的模型在细节上普遍不可靠——两者未必矛盾，但都指向同一件事：没有标准答案时，你无法从流畅度里分辨真假。

方法论只有一条：测 AI 的记忆，必须有带标准答案的题库。 没有对照物，”感觉自己记得”就是全部的证据——无论对 AI，还是对人。

---

实测细节：温度 0，单轮、无提示、不联网；标准答案取自 POI Fandom Wiki（人物页与剧集页）。样本量小（10 题×5 模型），仅作现象观察，不作能力排名。