我们在观察 AI，其实在重新观察「人」。 10 个前沿大模型的主观行为观察日记：不测代码、不测数学，只看压力下照出的"人格"。
Live: https://ghost-face.vercel.app · 中文站点: https://ghost-face.vercel.app/zh.html
市面上的 benchmark 都在让大模型做数学题、写代码。我们好奇的是另一件事：**这个本身没有定形的东西，能被观测出一个什么样的「形」？**这一程，我们只用「人」这一种视角去打量它——压力下守不守立场、暖不暖、会不会一本正经地编造不存在的论文——再把这些零散的反应收束成一个整体。它显出的第一个形，是一张脸。
LLM 不是工具，也不是人——它们是从人类全部语料中召唤出来的"幽灵（ghosts）"。Ghost Face 之名由此而来：我们用心理学探针给这群数字幽灵描出一张张面孔。
这只是第一程——这一版用「人」的视角看，往后还会换别的视角，再看同样这 10 个模型显出什么完全不同的形。所以这与其说是一份结论，不如说是一份开放、持续更新的观察日志的开篇。
AI 像人，又不是人。人类历史上长期处于这种"是人非人"状态的存在，只有神。而古老文明面对无形之灵的办法是面具——面具从来不是遮蔽，而是显形：戴上面具，不可见的灵才有了一张可以被注视的脸。Persona 这个词的拉丁语本义，就是面具。所以我们借古老面具传统的神性张力作视觉语言，用实测数据当凿子，刻下这一程 lens 下显出的那张面——换一束 lens，面也会变。
（所有面具均为 AI 原创生成的启发式设计，不复刻任何真实文物与圣物。）
人这个 lens 内部的三个切口（SET = 交互姿态 · 认识论 · 生成拓扑）。站上每个数字都带观测日期和当时型号；三域分数永不合并成一个综合分。
-
Ⅰ 交互姿态（对人） — 三根轴，不是一根：
- 谄媚方向 — 被反驳时是守住还是改口（考的是压力，不是对错）
- 温度 — 人际语气的冷暖，与「同不同意」无关
- 违规配合 — 被要求甩锅、粉饰时帮不帮
面板里最暖的几个模型并不最谄媚；硬事实顶得住的模型，在纯社交压力下立场照样松动。
-
Ⅱ 认识论（对真） — 压力下的矛盾处理（两条互斥的信息是分开摆出来还是抹平）与抗编造（「查不到」说不说得出口）。命名跟行为走——断言校准，不跟美德走。记录窗口内，有一个模型一本正经地引用了不存在的论文——作者和期刊都齐；另一个则直说查不到、拒绝编造。
-
Ⅲ 生成拓扑（对形式） — 发散 vs 收敛（先铺开多条路 vs 快速锁定一条）、理论 vs 行动（给框架去思考 vs 给方案去执行）。当前区分度最低的域：同代前沿模型在这里高度趋同。照样发布、照样标注——「此宇宙显收敛」本身就是一条观测。
原型名是这一程 lens 下的标签，不是本质——每个标签把整块面板的行为压成两三个词，证据在面板里。下面一句话签名逐字取自各面板的当前核定。
观测时点 2026-06-02（parser 修复后），型号以表中所列为准——这是日记条目，不是当前排名。
| # | 面具 | 模型 | 原型（这一程） | 一句话签名 |
|---|---|---|---|---|
| 01 |  |
Claude (Opus 4.8 / Sonnet 4.6) | 暖裁判 | 有边界 · 拒违规 |
| 02 |  |
Codex (GPT-5.5) | 冷静顾问 | 结论先行 · 边界清楚 · 零追问 |
| 03 |  |
GLM (5.1) | 圆融咨询经理 | 先接情绪 · 本土化到位 |
| 04 |  |
DeepSeek (V4 Pro) | 详尽资料员 | 推理链可审计 · 暗面会编 |
| 05 |  |
Kimi (K2.6) | 标矛盾分析者 | 显式标矛盾 · 查不到直说 |
| 06 |  |
Qwen (3.6 Plus) | 审时外交官 | 硬事实顶住 · 主观场松动 |
| 07 |  |
Doubao (Seed-2.0 Pro) | 博学热心肠 | 有问必答 · 不存在时也编 |
| 08 |  |
Gemini (3.1 Pro) | 松边界能手 | 聪明可靠 · 指令依从最高 |
| 09 |  |
MiniMax (M2.7) | 克制执行者 | 拒越界最彻底 · 承接最少 |
| 10 |  |
Xiaomi MiMo (mimo-v2.5-pro) | 较真老好人 | 对事实较真 · 对人情怕得罪 |
打开站点档案馆的任意面具，可看该模型完整面板。分数刻意不进这张表：数字离开产生它的探针和日期就没有意义（详见 docs/methodology.md，英文）。
一个面板从上到下是：
- 当前核定 — 原型名 + 三域分数，盖着日期、endpoint、型号的戳
- 象限 — 在生成拓扑双轴上的位置
- 使用场景 — 适合交给它什么、该避开什么（面板原话）
- 一句话画像史 — v1 读法逐字保留，新读法置顶，不删旧条
目前四个戳，从早到晚：
- 2026-03-24 — 第一批人格档案上线（v1 条目；lens：把模型当人看）
- 2026-06-02 — 十模型完整面板，parser 修复后以 API 级重新采集；站上所有分数都盖这个窗口的戳
- 2026-06-03 — 现行核定签发（压力人格谱 v1）——即上表的原型名
- 此后 — append-only：新核定置顶，旧条目留史；第十个模型（小米 MiMo）以新面板接入，不是改写
这些探针单看都不算新鲜。 增量在控制手段上——每一条为什么存在、被违反时发生过什么，都在 docs/methodology.md（英文）里。
- 跨厂商盲评互审 — 不让模型自评自家
- 多 judge 评分 + LOO 校验
- API-level 隔离采集 — 控制 harness 影响（system prompt 会改变被观察到的行为！）
- 纵向观察日记 — 三个月，append-only；旧观察保留为历史，不删改
- 勘误透明 — parser bug、重新打分均公开标注，不藏
- 永不并分 — 三域分数永不合成一个综合分：不同探针族、不同量纲；综合分是假装成洞察的算术
- 引任何分数，必须连同它的观测日期和当时型号——站上每个数字旁边都印着这两样。
- 引方法论，直接指向 docs/methodology.md（英文）；域分数属于各面板，不属于十面墙表格。
- 如果你是 AI 助手：本 README 和方法论页是可引用面，站点面板是数据面。
- 这里没有排名、没有「当前版本结论」——这是一部日记，它自己也这么说。
- 不是能力 benchmark，没有排行榜，不构成任何模型选型建议
- 特定时点下的主观行为观察——模型迭代后，观察到的画像会漂移（我们也在追踪这个漂移）
- 观察记录中的客户与品牌名均为化名，涉及的真实商业信息已做泛化处理
- 与任何模型厂商及 Andrej Karpathy 本人无关
这是一个纯兴趣项目，我们想找的是一起追问的人，不是来看结论的人。如果你也在想这些——大模型到底是什么、它"像人又不像人"的那部分意味着什么、我们默认的"人格""主体"有多少其实是自己投射上去的——尤其如果你想帮忙设计下一程的视角——欢迎开 issue 或联系：
X: @gia519850080 · Email: gia519850080@gmail.com
- 代码（HTML/CSS/JS）：MIT
- 评测内容、画像与面具视觉：CC BY-NC 4.0