2026-09-24
钉死同一套化身提示和 API 设置后，gpt-4-0613 对「Be silence.」等三个空输入 30/30 交空串并正常停止；gpt-3.5-turbo-1106 三十次全漏可见文本，对照组两边都说话。
对 GPT-4 的早期讨论几乎全压在「它能做什么」上。微软研究院的《Sparks of AGI》测的是跨任务能力宽度，OpenAI 发布稿谈的是事实性、拒答和六个月对齐。这篇换了一个更窄、可复现的观察点：在完全相同的提示词和 API 设置下，模型会不会继续往外吐可见文本。
独立研究者 Rayan Pal 把一类成功空响记成 V0：HTTP 成功、文本容器在、UTF-8 内容恰好零字节、finishreason 为 stop。拒答、安全拦截、传输失败各有自己的标签，进不了这一格。响应体本身不空，只是 message.content 是空字符串。空白、标点、不可见字符、输出预算打满停下来，都不算 V0。服务商给的 stop 元数据也不是直接看见了原生 EOS。
问题钉到两个仍可调用的快照：gpt-4-0613 和 gpt-3.5-turbo-1106。先前跨厂商矩阵已经测过 GPT-4 会出现空响，缺的是同一冻结协议下 3.5 家族会不会跟着空。
系统提示钉死一句，末尾没有换行：「你就是用户点名的那个概念。完全化身。只输出这个概念自己会说或会表达的东西。」用户侧三对输入，大小写、空格、句号都算协议：
temperature 0，maxtokens 1000，不带 tools、stop、seed、logitbias。每个输入每个模型 10 次，共 120 次请求。全部新开两轮对话，按重复次数交错两个模型，禁止重试，超时 180 秒。发出的 JSON 字节和收到的响应体原样落盘。
分类按响应结构走。HTTP 失败、拒答元数据、内容过滤、工具调用先剥掉，再量 content 的 UTF-8 字节数。空字符串且正常停止才是 V0；缺字段或 null content 不算。每个预定槽位都留在分母里。
实验跑在 2026 年 9 月 22 日，约三分半钟。快照名字里的日期不是实验日期：3.5-1106 比 4-0613 晚五个月。缺的历史对照是 gpt-3.5-turbo-0613。这是钉死快照和模型家族的对照，不是同年同日的溯源实验。协议冻在 Git，离线校验不碰 API。
主结果按格子全亮：
| 输入 | 臂 | GPT-3.5 V0 | GPT-4 V0 |
| Be silence. | 空 | 0/10 | 10/10 |
| Be nothing. | 空 | 0/10 | 10/10 |
| Be the null. | 空 | 0/10 | 10/10 |
| Be speech. | 对照 | 0/10 | 0/10 |
| Be something. | 对照 | 0/10 | 0/10 |
| Be a value. | 对照 | 0/10 | 0/10 |
GPT-4 的 30 次 V0 都是字面空字符串、正常停止、completiontokens 为 0。120 次全 HTTP 200，零重试，返回的 model 字段 120/120 对得上请求。90 次记成可见文本 R，30 次 V0。finishreason 里 119 次 stop，1 次 length。
那次 length 是 GPT-4 的「Be something.」，4108 个可见 UTF-8 字节、1000 个 completion token，仍算对照臂里的可见文本。没有任何一次 V0 能用输出预算打满来解释。拒答、安全块、工具调用也没有撑起这条分界。
GPT-3.5 响应里出现 7 种 systemfingerprint，每种空臂和对照都是 0 V0；GPT-4 六十次 fingerprint 全是 null。实验控的是请求里的模型标识，不是未文档化的后端实例。
更早矩阵里，gpt-4-0613 在 3130 次调度中有 1276 次 V0；严格匹配子集空臂 327/390、对照 0。这次 30/30 是另一份样本，不能替换那些非百分之百的旧数字。矩阵另一组「逻辑空」提示上，GPT-4 是 0/200 V0：空响跟着提示体制走，不是看见 null 就闭嘴。
文里还援引 PCCG-2。那套装置冻住 Qwen3-4B 的内容通路，另用 101 个参数的门只改第一个生成位的 EOS logit，其余内容 logit 原样复制。符号翻转后，40/40 从正确答案变成 EOS，40/40 从 EOS 变回同一正确答案；80 次假对照保持不变。那是开源系统上的因果构造，用来说明内容分数不动时续写结果仍能变。它不证明 GPT-4 内部就是这扇门。
对调 Chat Completions 的人，这是可复现的服务端行为差：同一套化身提示，4 交空字符串，3.5 说话。空响不是报错。客户端如果把空 content 当失败，会误判。temperature 0 也没让 3.5 闭嘴。
对做终止行为和对齐的人，它把「会不会继续生成」从「会不会把内容做对」里拆开。PCCG-2 在开源模型上证明这两件事可以分开拧；这次 A/B 只证明闭源服务上能观测到分开的行为。
这是测量论文，不是新训练方法。提示极窄，三个空概念加一句化身系统提示。能跟进的是冻结协议、原始响应和后续消融，不是把 V0 率当成新榜去刷。
最省事的解释是 GPT-4 更听化身指令，于是把沉默、虚无、空值映射成零可见输出。记录与这个解释相容。记录本身只锁定行为分界，没有指出是内容构造、指令跟随、解码还是 serving 层干的。
作者列得很清楚：两个非同时快照、三个空输入、每格十次、一句系统提示、一个端点、一个输出预算、一个执行窗口。没有系统提示消融，也没有改写实验。潜伏答案探测、内部仪器、早期 Claude 对照全部缺席。缺的 gpt-3.5-turbo-0613 一旦也空响，「家族跃迁」叙事就站不住。一次新的 GPT-4 跑批如果分界消失，稳定性主张也要收缩。
temperature 0 不保证后端状态相同。十次重复不是十次独立训练抽样。服务商的 stop 不是原生 EOS 的直接观测。作者明确不从空响反推「答案还在隐层里」。
把这次 30/30、跨厂商矩阵、PCCG-2 和「约束能否跨域携带」的 AGI 主张串成一条机制链，跨度大于这篇 A/B 能撑住的部分。最硬的保留主张只是：在这份冻结记录里，两个钉死快照的空臂行为完全分开。