Grok持续输出乱码，用户质疑Lite版稳定性

本周，多位Grok用户向TechCrunch反映，他们在使用人工智能助手时频繁收到乱码回复。受影响用户表示，他们使用的是Grok Lite，最早在周三早上就注意到了异常。这一现象迅速在社交媒体发酵，不少用户猜测xAI的后端服务是否出现了严重故障。

事件回顾：乱码从何而来？

根据TechCrunch看到的用户报告，Grok的乱码输出并非简单的措辞不当，而是整段内容的语义崩坏。有用户晒出截图显示，当被要求总结新闻时，Grok回复了一连串不连贯的符号和模拟字符。另一位用户反映，在编写电子邮件时，Grok输出了长达数百字的无意义文本，似乎陷入了“复读机”模式。

一位网名为“AI_Observer”的开发者向TechCrunch提供了一段日志，显示Grok在回复中反复生成“###loop_break###”这样的调试标记，这暗示模型可能在推理过程中意外暴露了内部状态。不过，该说法尚未得到证实。

受影响用户告诉TechCrunch，他们使用的是Grok Lite，并注意到问题最早在周三早上出现。

值得注意的是，这次故障恰好出现在xAI更新Grok Lite的新版本之后不久。有用户猜测，更新可能引入了有问题的模型权重，或者服务端在切换到新版时发生了缓存一致性错误。

技术分析：轻量化模型的脆弱性

Grok Lite是xAI推出的低延迟、轻量级模型，设计用于处理高频、简单的对话任务。为了降低计算成本，Lite版本通常采用更激进的量化技术（如INT8或FP16），并通过蒸馏从更大的模型中训练而来。这类模型在一般场景下表现优异，但在面对特定输入分布时，可能因数值精度丢失而触发“输出退化”（degenerate output）现象。

熟悉大模型部署的工程师向TechCrunch分析，乱码输出与“tokenizer（分词器）反转义错误”或“采样参数漂移”有关。例如，如果解码阶段重复使用了错误的分词映射表，模型生成的token序列就无法被正确还原为自然语言。另一种可能是模型在服务端遭遇了“prompt注入”，试图控制模型的输出格式，却导致系统提示被覆盖。

不过，更多专家倾向于认为这是一次典型的“热更新事故”。毕竟，如果问题与模型本身相关，很可能在内部测试阶段就会被捕获，而不会让大量用户同时遇到。

行业视角：AI服务的“黑天鹅”时刻

大型语言模型输出乱码并非罕见。2023年，ChatGPT曾因某些输入而陷入“无尽循环”，生成无意义词语；2024年，Google的Bard也曾出现过类似问题。然而，Grok作为马斯克旗下xAI的核心产品，被寄予厚望，此次乱码事件在社交媒体上被反复嘲讽，甚至成了热门表情包。

更重要的是，这起事件再次提醒业界：AI服务的可靠性远未达到传统软件的水平。对于企业用户而言，将关键业务完全交给单一模型供应商存在巨大风险。一旦出现类似故障，轻则影响工作效率，重则导致自动化流程失控。

有分析师指出，AI公司应当在模型更新中采用“灰度发布”机制，并建立完善的自动回滚策略。同时，客户也需要在API调用层实现“故障转移”，例如同时接入多个模型提供商，以降低单点风险。

截至发稿时，xAI尚未发布官方声明，也没有公开服务状态说明。TechCrunch已联系对方，但未获得即时回复。不少用户表示，希望xAI能尽快修复问题，并公布详细的“事后分析”报告。

编者按：这次Grok乱码事件像是一面镜子，照出了AI行业在“快速迭代”与“质量保障”之间的张力。xAI一直以激进的发布策略著称，但技术的创新速度不能成为忽视稳定性的理由。如果连提示“这是乱码”的能力都没有，那么AI助手离真正可依赖的伙伴还有很远。我们期待xAI能够吸取教训，让Grok不仅“聪明”，而且“可靠”。

本文编译自TechCrunch