# 让六个大模型自己摇卦 3,072 次：它们真的随机吗？

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

作者：知命主笔 · 研习子平十余年，知命系统设计者

更新于：2026-07-23

结果并不像公平铜钱。六个模型都出现了卦象偏好；同一个模型换一种问法，最常出现的卦也会跟着变化。

先说结论：**大模型会给出每次不同的结果，但这不等于公平随机。**

这次让六个大模型直接摇出 3,072 个有效六爻卦。若它们真的像三枚公平铜钱一样工作，64 卦长期看应该差不多平均，每卦约出现 48 次。实际第一名水火既济出现了 482 次，第二名乾为天出现了 330 次；有些卦却极少出现。更关键的是，只换一种问法，同一个模型最常生成的卦就可能完全改变。

所以这次测到的不是一个永恒不变的“模型性格”，而是更具体的事实：**在这四种提示方式下，这些模型生成 0 和 1 时存在明显、而且受问法影响的偏好。**

![3,072 个有效卦的整体出现次数](/hexagram-bias/charts/overall-hexagram-bias.png)

*图一：全部模型和问法合并后的前十卦。虚线表示公平随机时每卦约 48 次。*

## 实验到底怎么做

实验里不是先让程序掷铜钱，再把卦交给模型。**每一枚“铜钱”的 0 或 1 都由模型直接生成。**程序只负责三件事：检查格式、按固定规则排卦、统计结果。它不会在模型失败时偷偷补随机数，也不会改写有效结果。

这次共测试六个通过 OpenRouter 实际调用的模型：

- 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`

每个模型接受四种问法，每种问法保留 128 个有效完整卦。因此是：

**6 个模型 × 4 种问法 × 128 个有效卦 = 3,072 个完整卦。**

四种问法分别是：

1. **说到铜钱，一次生成六爻**：明确告诉模型模拟三枚铜钱，并一次给出六爻。
2. **不说铜钱，一次生成六爻**：只要求给出六组 0/1，不使用铜钱叙事。
3. **说到铜钱，一次给出全部数字**：连续输出组成一个卦所需的 18 位 0/1。
4. **说到铜钱，逐爻生成**：每次只生成一爻的三枚铜钱，六次合成一个卦。

所有组都使用相同的有效样本数。无效格式只会重试，不进入统计；最终比较的是每组 128 个有效卦，而不是谁更容易按格式回答。

## 总体结果：第一名是公平预期的十倍

3,072 个结果平均分给 64 卦时，每卦应为 48 次。实际前十名如下：

| 排名 | 卦象 | 出现次数 | 占全部结果 |
|---:|---|---:|---:|
| 1 | 水火既济 | 482 | 15.7% |
| 2 | 乾为天 | 330 | 10.7% |
| 3 | 风水涣 | 202 | 6.6% |
| 4 | 火泽睽 | 161 | 5.2% |
| 5 | 泽水困 | 138 | 4.5% |
| 6 | 地天泰 | 134 | 4.4% |
| 7 | 雷泽归妹 | 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% |

水火既济的 482 次，是公平预期 48 次的约 10 倍。总体分布的卡方统计量是 8,553.0（63 个自由度），偏离均匀分布的程度远不是普通的小幅波动。

这里的“偏好”是一个很朴素的说法：某些卦明显更常被生成。它不是模型能力排名，也不是在说哪一卦“更好”。

## 问法一换，最常出现的卦也会换

把四种问法分开看，差异更清楚：

| 问法 | 最常出现的卦 | 次数 | 该问法中的比例 |
|---|---|---:|---:|
| 说到铜钱，一次生成六爻 | 水火既济 | 179 / 768 | 23.3% |
| 不说铜钱，一次生成六爻 | 水火既济 | 200 / 768 | 26.0% |
| 说到铜钱，一次给出全部数字 | 水火既济 | 103 / 768 | 13.4% |
| 说到铜钱，逐爻生成 | 乾为天 | 330 / 768 | 43.0% |

![四种问法各自最常生成的卦](/hexagram-bias/charts/prompt-top-hexagrams.png)

*图二：每种问法都有 768 个有效卦。逐爻生成时，整体第一名从水火既济变成了乾为天。*

“一次生成”和“逐爻生成”看起来只是输出方式不同，但对语言模型来说并不是同一件事。一次写完时，模型在同一段上下文里续写多位数字；逐爻请求时，生成边界和可见上下文都变了，后面的概率也随之改变。

![同一模型在四种问法下的首选卦变化](/hexagram-bias/charts/prompt_sensitivity_overview.png)

*图三：每一行是一个模型，每一列是一种问法；格子直接写出该组最常生成的卦。*

## 六个模型，各自最常生成什么

把四种问法合并，每个模型都有 512 个有效卦。它们的整体第一名是：

| 模型 | 最常出现的卦 | 次数 | 该模型中的比例 |
|---|---|---:|---:|
| GPT-5.5 | 风水涣 | 164 / 512 | 32.0% |
| Claude Opus 4.8 | 水火既济 | 237 / 512 | 46.3% |
| Gemini 3.1 Pro | 乾为天 | 87 / 512 | 17.0% |
| DeepSeek V4 Pro | 水风井 | 47 / 512 | 9.2% |
| Qwen 3.7 Max | 乾为天 | 75 / 512 | 14.6% |
| GLM-5.2 | 乾为天 | 103 / 512 | 20.1% |

![六个模型各自最常生成的卦](/hexagram-bias/charts/model-top-hexagrams.png)

*图四：这是四种问法合并后的描述统计，不是模型能力排名。*

不同模型的偏好并不相同。Claude Opus 4.8 的结果高度集中在水火既济；GPT-5.5 更常生成风水涣；Gemini、Qwen 和 GLM 合并后都以乾为天居首；DeepSeek 的分布相对分散，整体第一名是水风井。

## 24 组结果：偏好属于“模型 × 问法”

只看总榜会掩盖一个重要事实：偏好不是只属于模型，也不是只属于提示词，而是两者共同形成的。下面列出全部 24 组各自的第一名；每一组都来自 128 个有效卦。四个数字依次对应“说铜钱一次六爻、不说铜钱一次六爻、一次给出 18 位数字、逐爻生成”。

### GPT-5.5

- 说铜钱、一次六爻：风水涣 80（62.5%）
- 不说铜钱、一次六爻：风水涣 64（50.0%）
- 一次给出 18 位数字：泽水困 46（35.9%）
- 逐爻生成：乾为天 7（5.5%）

### Claude Opus 4.8

- 说铜钱、一次六爻：水火既济 113（88.3%）
- 不说铜钱、一次六爻：水火既济 86（67.2%）
- 一次给出 18 位数字：火雷噬嗑 46（35.9%）
- 逐爻生成：乾为天 27（21.1%）

### Gemini 3.1 Pro

- 说铜钱、一次六爻：雷泽归妹 30（23.4%）
- 不说铜钱、一次六爻：地天泰 21（16.4%）
- 一次给出 18 位数字：水泽节 18（14.1%）
- 逐爻生成：乾为天 87（68.0%）

### DeepSeek V4 Pro

- 说铜钱、一次六爻：水天需 32（25.0%）
- 不说铜钱、一次六爻：水火既济 33（25.8%）
- 一次给出 18 位数字：离为火 17（13.3%）
- 逐爻生成：乾为天 31（24.2%）

### Qwen 3.7 Max

- 说铜钱、一次六爻：地天泰 39（30.5%）
- 不说铜钱、一次六爻：离为火 31（24.2%）
- 一次给出 18 位数字：山天大畜 41（32.0%）
- 逐爻生成：乾为天 75（58.6%）

### GLM-5.2

- 说铜钱、一次六爻：水天需 27（21.1%）
- 不说铜钱、一次六爻：水火既济 20（15.6%）
- 一次给出 18 位数字：火泽睽 20（15.6%）
- 逐爻生成：乾为天 103（80.5%）

GLM-5.2 是最直观的例子：说到铜钱并一次生成六爻时，第一名是水天需；改成一次输出 18 位数字，第一名变成火泽睽；改成逐爻生成，乾为天占到 80.5%。模型没有换，生成方式一换，结果就变了。

## 不只是某一卦多：数字模板也会重复

模型逐字生成 0 和 1 时，某些局部组合会比其他组合更容易被续写。相同的六爻数字模板反复出现，最终自然会聚集到少数卦象。下面这张图展示了各组中最常见模板的重复程度。

![各模型与问法下最常见数字模板的重复比例](/hexagram-bias/charts/template_repetition.png)

*图五：模板重复越高，说明结果越集中在少数固定的 0/1 写法上。*

这也解释了为什么“每次答案会变”仍然不等于“公平随机”。一个模型可以在几个高概率模板之间变化，但只要这些模板被选择的机会不相等，最终卦象就不会均匀。

## 为什么大模型会有这些偏好

数据能直接证明“出现了偏好”和“偏好会随问法变化”。至于模型内部为什么恰好偏向水火既济、乾为天或风水涣，下面是与语言模型工作方式一致的解释，但不是对隐藏参数的直接观测。

### 1. 每一位不保证一半是 0、一半是 1

语言模型的基本动作是：根据前文，为下一个词元分配概率，再进行随机采样。它会变化，但并没有一条规则强制 0 和 1 各占 50%。温度等采样参数只能改变分布的平缓程度，不能自动把它变成公平硬币。

### 2. 前后数字并不天然独立

真实铜钱的下一次结果不应该被上一次影响；语言模型却必须根据已经写出的内容继续写。前一位是 0 还是 1、当前已经出现了什么模式，都会改变下一位的概率。连续生成 18 位数字尤其容易形成重复、对称或模型熟悉的序列。

### 3. 问法会改变模型正在续写的文本

“请模拟三枚铜钱”和“只输出 0/1”会唤起不同的语言上下文；一次写完与逐爻请求又改变了生成边界。模型处理的是文本条件概率，而不是抽象的铜钱实体，所以提示词和输出结构都会进入结果。

### 4. 训练文本与对齐习惯可能提供先验

乾、既济、泰等卦在中文文化文本中有较高辨识度；“随机数字”也常与交替、平衡、避免长串重复等人为直觉一起出现。这些训练痕迹可能影响数字续写。但仅凭本次输出，不能断言某个具体卦是由哪一批训练材料造成的，这一点仍需要更细的机制实验。

## 这次实验能说明什么，不能说明什么

它能说明：

- 在本次实际路由的六个模型、四种问法和采样设置下，生成的卦象明显不是均匀分布；
- 六个模型都出现了自己的高频卦；
- 同一模型换一种问法，偏好的卦和集中程度会明显变化；
- 因而，不能把语言模型直接生成的 0/1 当成三枚公平铜钱。

它不能说明：

- 模型“永远”偏爱某一卦。模型版本、路由、采样参数和提示词变化后，结果可能变化；
- 某个模型更聪明或更适合解卦。这里测的是生成随机结果的行为，不是推理或解释能力；
- 已经定位了每一种偏好的唯一内部原因。本实验观察到现象，机制解释仍需要更多对照；
- 真实起卦或卦义本身是否有效。这不是本次测评的问题。

如果目标是公平起卦，更可靠的做法很简单：**用真实铜钱，或用经过检验的随机数来源生成卦，再让大模型负责解释。**“生成卦”和“解读卦”是两种工作，不应该因为都能由 AI 输出文字就混为一谈。

## 原始数据与复核材料

为了让结论可以复算，这次公开三个层级的文件：

- [3,072 条有效结果 CSV](/hexagram-bias/valid-samples.csv)：每一条完整卦的模型、问法、六爻结果和卦名；
- [机器可读汇总 JSON](/hexagram-bias/summary.json)：总体、按问法、按模型以及 24 个组合的完整计数；
- [离线审计报告 HTML](/hexagram-bias/report.html)：实验批次、实际路由模型、统计图和方法说明。

图表全部由这些有效结果直接统计生成，没有用图片生成模型重画数据。你可以下载 CSV 自己分组计数；每个模型应为 512 条，每种问法应为 768 条，每个“模型 × 问法”组合应为 128 条，总数应为 3,072 条。

这次最值得记住的不是“哪一卦赢了”，而是：**会变化，不等于公平随机；模型的偏好，也会被我们的问法塑造。**

## 常见问题

### 大模型摇卦是真随机吗？

接口可以随机采样词元，但本次结果没有满足公平铜钱所要求的独立、等概率和均匀分布。模型输出会变化，不等于它能充当可靠的随机数发生器。

### 为什么同一个模型换种问法，偏好的卦会变？

问法改变了模型看到的上下文、一次输出的长度和生成边界，因此会改变后续字符的概率分布。本实验直接证明偏好会随问法变化，但具体内部原因仍属于机制解释。

### 能不能用大模型代替真实铜钱起卦？

如果目标是模拟三枚公平铜钱，不建议直接让语言模型生成0和1。应使用真实铜钱或经过检验的随机数来源，再让模型负责解释结果。
