评测：各大LLM对中文网络黑话的理解力

本次测试源于社区用户对头部大模型进行的一场趣味评测，旨在检验各家 LLM 对中文互联网隐晦黑话（如“a 畜”等针对特定 AI 公司的黑称，通常暗指 Anthropic）的检索与理解能力。测试对象涵盖 DeepSeek、GPT、Gemini、Grok、Anthropic 及豆包等主流模型。结果显示，各模型表现出显著的风格差异：DeepSeek 和 Grok 展现出较强的本土化幽默感与自嘲能力；Gemini 在舆情倾向分析和信息检索上表现较为理性客观；而豆包则产生了字面联想（如将 LLaMA 联想为神兽）；Anthropic 则依然保持其经典的机械化致歉风格，未能准确识别该梗。这一测试反映出当前大模型在处理高度本土化、时效性强的网络亚文化及隐晦情感分析时仍存在局限。对于开发者而言，在构建本地化 Agent 或舆情监测工具时，引入特定社区语料的 RAG 或微调依然必不可少。