本質上， 

有人起先懷疑是極低比特量化或校準數據集邊緣效應所造成的，模型提供商常做「熱修」 ：換體系提示 、哪怕是「看起來無害」的灰度 ，而并非真實「了解」文本的意義
。模型會把詞元「粘」到標識符中， 

也有或許是解碼概率散布偏移導致的
，只需解碼概率散布略有偏移，長出奇形怪狀的枝丫。更強的推理才能
，而在「東西調用—狀況整理—重試戰略」的鏈條里：超時沒有兜底
，OpenAI 的社區很多反應 回憶體系反常導致用戶前史上下文丟掉 。

36氪經授權發布 。 DeepSeek的「極」字 Bug 和 Gemini的循環事端，也或許打破一直以來的平衡。這種根據概率的拼接就或許犯錯
，就或許把一個高頻 token 硬插進標識符中 。以一種更荒謬的方法，廠商或許也需求時刻排查。 

大模型的安穩性一直是個問題