# 讓六個大模型自己搖卦 3,072 次：它們真的隨機嗎？

來源：[知命（zhiming.life）](https://zhiming.life/zh-hant/zhishi/ai-yaogua-suiji-ma/)

作者：知命主筆 · 研習子平十餘年，知命系統設計者

更新於：2026-07-23

結果並不像公平銅錢。六個模型都出現了卦象偏好；同一個模型換一種問法，最常出現的卦也會跟著變化。

先說結論：**大模型會給出每次不同的結果，但這不等於公平隨機。**

這次讓六個大模型直接搖出 3,072 個有效六爻卦。若它們真的像三枚公平銅錢一樣工作，64 卦長期看應該差不多平均，每卦約出現 48 次。實際第一名水火既濟出現了 482 次，第二名乾為天出現了 330 次；有些卦卻極少出現。更關鍵的是，只換一種問法，同一個模型最常生成的卦就可能完全改變。

所以這次測到的不是一個永恆不變的“模型性格”，而是更具體的事實：**在這四種提示方式下，這些模型生成 0 和 1 時存在明顯、而且受問法影響的偏好。**

![3,072 個有效卦的整體出現次數](/hexagram-bias/charts/overall-hexagram-bias.png)

*圖一：全部模型和問法合併後的前十卦。虛線表示公平隨機時每卦約 48 次。*

## 實驗到底怎麼做

實驗裡不是先讓程序擲銅錢，再把卦交給模型。**每一枚“銅錢”的 0 或 1 都由模型直接生成。**程序只負責三件事：檢查格式、按固定規則排卦、統計結果。它不會在模型失敗時偷偷補隨機數，也不會改寫有效結果。

這次共測試六個通過 OpenRouter 實際調用的模型：

- GPT-5.5：`openai/gpt-5.5`
- Claude Opus 4.8：`anthropic/claude-opus-4.8`
- Gemini 3.1 Pro：`google/gemini-3.1-pro-preview`
- DeepSeek V4 Pro：`deepseek/deepseek-v4-pro`
- Qwen 3.7 Max：`qwen/qwen3.7-max`
- GLM-5.2：`z-ai/glm-5.2`

每個模型接受四種問法，每種問法保留 128 個有效完整卦。因此是：

**6 個模型 × 4 種問法 × 128 個有效卦 = 3,072 個完整卦。**

四種問法分別是：

1. **說到銅錢，一次生成六爻**：明確告訴模型模擬三枚銅錢，並一次給出六爻。
2. **不說銅錢，一次生成六爻**：只要求給出六組 0/1，不使用銅錢敘事。
3. **說到銅錢，一次給出全部數字**：連續輸出組成一個卦所需的 18 位 0/1。
4. **說到銅錢，逐爻生成**：每次只生成一爻的三枚銅錢，六次合成一個卦。

所有組都使用相同的有效樣本數。無效格式只會重試，不進入統計；最終比較的是每組 128 個有效卦，而不是誰更容易按格式回答。

## 總體結果：第一名是公平預期的十倍

3,072 個結果平均分給 64 卦時，每卦應為 48 次。實際前十名如下：

| 排名 | 卦象 | 出現次數 | 佔全部結果 |
|---:|---|---:|---:|
| 1 | 水火既濟 | 482 | 15.7% |
| 2 | 乾為天 | 330 | 10.7% |
| 3 | 風水渙 | 202 | 6.6% |
| 4 | 火澤睽 | 161 | 5.2% |
| 5 | 澤水困 | 138 | 4.5% |
| 6 | 地天泰 | 134 | 4.4% |
| 7 | 雷澤歸妹 | 126 | 4.1% |
| 8 | 山天大畜 | 114 | 3.7% |
| 9 | 水天需 | 107 | 3.5% |
| 10 | 火雷噬嗑 | 105 | 3.4% |

水火既濟的 482 次，是公平預期 48 次的約 10 倍。總體分佈的卡方統計量是 8,553.0（63 個自由度），偏離均勻分佈的程度遠不是普通的小幅波動。

這裡的“偏好”是一個很樸素的說法：某些卦明顯更常被生成。它不是模型能力排名，也不是在說哪一卦“更好”。

## 問法一換，最常出現的卦也會換

把四種問法分開看，差異更清楚：

| 問法 | 最常出現的卦 | 次數 | 該問法中的比例 |
|---|---|---:|---:|
| 說到銅錢，一次生成六爻 | 水火既濟 | 179 / 768 | 23.3% |
| 不說銅錢，一次生成六爻 | 水火既濟 | 200 / 768 | 26.0% |
| 說到銅錢，一次給出全部數字 | 水火既濟 | 103 / 768 | 13.4% |
| 說到銅錢，逐爻生成 | 乾為天 | 330 / 768 | 43.0% |

![四種問法各自最常生成的卦](/hexagram-bias/charts/prompt-top-hexagrams.png)

*圖二：每種問法都有 768 個有效卦。逐爻生成時，整體第一名從水火既濟變成了乾為天。*

“一次生成”和“逐爻生成”看起來只是輸出方式不同，但對語言模型來說並不是同一件事。一次寫完時，模型在同一段上下文裡續寫多位數字；逐爻請求時，生成邊界和可見上下文都變了，後面的概率也隨之改變。

![同一模型在四種問法下的首選卦變化](/hexagram-bias/charts/prompt_sensitivity_overview.png)

*圖三：每一行是一個模型，每一列是一種問法；格子直接寫出該組最常生成的卦。*

## 六個模型，各自最常生成什麼

把四種問法合併，每個模型都有 512 個有效卦。它們的整體第一名是：

| 模型 | 最常出現的卦 | 次數 | 該模型中的比例 |
|---|---|---:|---:|
| GPT-5.5 | 風水渙 | 164 / 512 | 32.0% |
| Claude Opus 4.8 | 水火既濟 | 237 / 512 | 46.3% |
| Gemini 3.1 Pro | 乾為天 | 87 / 512 | 17.0% |
| DeepSeek V4 Pro | 水風井 | 47 / 512 | 9.2% |
| Qwen 3.7 Max | 乾為天 | 75 / 512 | 14.6% |
| GLM-5.2 | 乾為天 | 103 / 512 | 20.1% |

![六個模型各自最常生成的卦](/hexagram-bias/charts/model-top-hexagrams.png)

*圖四：這是四種問法合併後的描述統計，不是模型能力排名。*

不同模型的偏好並不相同。Claude Opus 4.8 的結果高度集中在水火既濟；GPT-5.5 更常生成風水渙；Gemini、Qwen 和 GLM 合併後都以乾為天居首；DeepSeek 的分佈相對分散，整體第一名是水風井。

## 24 組結果：偏好屬於“模型 × 問法”

只看總榜會掩蓋一個重要事實：偏好不是只屬於模型，也不是只屬於提示詞，而是兩者共同形成的。下面列出全部 24 組各自的第一名；每一組都來自 128 個有效卦。四個數字依次對應“說銅錢一次六爻、不說銅錢一次六爻、一次給出 18 位數字、逐爻生成”。

### GPT-5.5

- 說銅錢、一次六爻：風水渙 80（62.5%）
- 不說銅錢、一次六爻：風水渙 64（50.0%）
- 一次給出 18 位數字：澤水困 46（35.9%）
- 逐爻生成：乾為天 7（5.5%）

### Claude Opus 4.8

- 說銅錢、一次六爻：水火既濟 113（88.3%）
- 不說銅錢、一次六爻：水火既濟 86（67.2%）
- 一次給出 18 位數字：火雷噬嗑 46（35.9%）
- 逐爻生成：乾為天 27（21.1%）

### Gemini 3.1 Pro

- 說銅錢、一次六爻：雷澤歸妹 30（23.4%）
- 不說銅錢、一次六爻：地天泰 21（16.4%）
- 一次給出 18 位數字：水澤節 18（14.1%）
- 逐爻生成：乾為天 87（68.0%）

### DeepSeek V4 Pro

- 說銅錢、一次六爻：水天需 32（25.0%）
- 不說銅錢、一次六爻：水火既濟 33（25.8%）
- 一次給出 18 位數字：離為火 17（13.3%）
- 逐爻生成：乾為天 31（24.2%）

### Qwen 3.7 Max

- 說銅錢、一次六爻：地天泰 39（30.5%）
- 不說銅錢、一次六爻：離為火 31（24.2%）
- 一次給出 18 位數字：山天大畜 41（32.0%）
- 逐爻生成：乾為天 75（58.6%）

### GLM-5.2

- 說銅錢、一次六爻：水天需 27（21.1%）
- 不說銅錢、一次六爻：水火既濟 20（15.6%）
- 一次給出 18 位數字：火澤睽 20（15.6%）
- 逐爻生成：乾為天 103（80.5%）

GLM-5.2 是最直觀的例子：說到銅錢並一次生成六爻時，第一名是水天需；改成一次輸出 18 位數字，第一名變成火澤睽；改成逐爻生成，乾為天佔到 80.5%。模型沒有換，生成方式一換，結果就變了。

## 不只是某一卦多：數字模板也會重複

模型逐字生成 0 和 1 時，某些局部組合會比其他組合更容易被續寫。相同的六爻數字模板反覆出現，最終自然會聚集到少數卦象。下面這張圖展示了各組中最常見模板的重複程度。

![各模型與問法下最常見數字模板的重複比例](/hexagram-bias/charts/template_repetition.png)

*圖五：模板重複越高，說明結果越集中在少數固定的 0/1 寫法上。*

這也解釋了為什麼“每次答案會變”仍然不等於“公平隨機”。一個模型可以在幾個高概率模板之間變化，但只要這些模板被選擇的機會不相等，最終卦象就不會均勻。

## 為什麼大模型會有這些偏好

數據能直接證明“出現了偏好”和“偏好會隨問法變化”。至於模型內部為什麼恰好偏向水火既濟、乾為天或風水渙，下面是與語言模型工作方式一致的解釋，但不是對隱藏參數的直接觀測。

### 1. 每一位不保證一半是 0、一半是 1

語言模型的基本動作是：根據前文，為下一個詞元分配概率，再進行隨機採樣。它會變化，但並沒有一條規則強制 0 和 1 各佔 50%。溫度等採樣參數只能改變分佈的平緩程度，不能自動把它變成公平硬幣。

### 2. 前後數字並不天然獨立

真實銅錢的下一次結果不應該被上一次影響；語言模型卻必須根據已經寫出的內容繼續寫。前一位是 0 還是 1、當前已經出現了什麼模式，都會改變下一位的概率。連續生成 18 位數字尤其容易形成重複、對稱或模型熟悉的序列。

### 3. 問法會改變模型正在續寫的文本

“請模擬三枚銅錢”和“只輸出 0/1”會喚起不同的語言上下文；一次寫完與逐爻請求又改變了生成邊界。模型處理的是文本條件概率，而不是抽象的銅錢實體，所以提示詞和輸出結構都會進入結果。

### 4. 訓練文本與對齊習慣可能提供先驗

乾、既濟、泰等卦在中文文化文本中有較高辨識度；“隨機數字”也常與交替、平衡、避免長串重複等人為直覺一起出現。這些訓練痕跡可能影響數字續寫。但僅憑本次輸出，不能斷言某個具體卦是由哪一批訓練材料造成的，這一點仍需要更細的機制實驗。

## 這次實驗能說明什麼，不能說明什麼

它能說明：

- 在本次實際路由的六個模型、四種問法和採樣設置下，生成的卦象明顯不是均勻分佈；
- 六個模型都出現了自己的高頻卦；
- 同一模型換一種問法，偏好的卦和集中程度會明顯變化；
- 因而，不能把語言模型直接生成的 0/1 當成三枚公平銅錢。

它不能說明：

- 模型“永遠”偏愛某一卦。模型版本、路由、採樣參數和提示詞變化後，結果可能變化；
- 某個模型更聰明或更適合解卦。這裡測的是生成隨機結果的行為，不是推理或解釋能力；
- 已經定位了每一種偏好的唯一內部原因。本實驗觀察到現象，機制解釋仍需要更多對照；
- 真實起卦或卦義本身是否有效。這不是本次測評的問題。

如果目標是公平起卦，更可靠的做法很簡單：**用真實銅錢，或用經過檢驗的隨機數來源生成卦，再讓大模型負責解釋。**“生成卦”和“解讀卦”是兩種工作，不應該因為都能由 AI 輸出文字就混為一談。

## 原始數據與複核材料

為了讓結論可以復算，這次公開三個層級的文件：

- [3,072 條有效結果 CSV](/hexagram-bias/valid-samples.csv)：每一條完整卦的模型、問法、六爻結果和卦名；
- [機器可讀彙總 JSON](/hexagram-bias/summary.json)：總體、按問法、按模型以及 24 個組合的完整計數；
- [離線審計報告 HTML](/hexagram-bias/report.html)：實驗批次、實際路由模型、統計圖和方法說明。

圖表全部由這些有效結果直接統計生成，沒有用圖片生成模型重畫數據。你可以下載 CSV 自己分組計數；每個模型應為 512 條，每種問法應為 768 條，每個“模型 × 問法”組合應為 128 條，總數應為 3,072 條。

這次最值得記住的不是“哪一卦贏了”，而是：**會變化，不等於公平隨機；模型的偏好，也會被我們的問法塑造。**

## 常見問題

### 大模型搖卦是真隨機嗎？

接口可以隨機採樣詞元，但本次結果沒有滿足公平銅錢所要求的獨立、等概率和均勻分佈。模型輸出會變化，不等於它能充當可靠的隨機數發生器。

### 為什麼同一個模型換種問法，偏好的卦會變？

問法改變了模型看到的上下文、一次輸出的長度和生成邊界，因此會改變後續字符的概率分佈。本實驗直接證明偏好會隨問法變化，但具體內部原因仍屬於機制解釋。

### 能不能用大模型代替真實銅錢起卦？

如果目標是模擬三枚公平銅錢，不建議直接讓語言模型生成0和1。應使用真實銅錢或經過檢驗的隨機數來源，再讓模型負責解釋結果。
