豆包一声声“OK”把罗永浩搞破防，不就是大型现场直播版图灵测试

嘻疯 发自 凹非寺
量子位 | 公众号 QbitAI

罗永浩的年度科技创新分享大会，刷屏全网。

复盘整场四个多小时的直播，大伙儿集体回味讨论的焦点似乎就两个事儿：

第一件事，不知是因为迟到了40多分钟，还是提前就有谋划，罗永浩现场宣布给买了票的所有观众都退票

第二件事，罗永浩这张网络名嘴和豆包之间的“人机舌战”竟成最大亮点，火爆出圈。

光看二位的辩题，就已火药味十足，关于——锤子手机是否好用，节目效果也是拉满了。

一方，是锤子科技创始人罗永浩，立场鲜明地为自己的昔日作品辩护“锤子手机做得挺好的”。

另一方，则是AI豆包，手持数据与用户体验，冷静反驳“锤子手机做得不怎么样”。

整场交锋金句频出、逻辑对冲，搞得大伙儿掌声不断，笑声也不断，被网友调侃这是“老罗科技春晚上最搞笑名场面”。

老罗也现场直言“现在如果是辩论或吵架，我试过的所有大模型产品里，豆包是最厉害”、“跟它吵架能吵出心流来”。

这场辩论，表面上看是二位的斗嘴，实质上，却是在数百万观众注视下，对新一代实时交互AI能力进行的一次极限公测。

下面，我们就回到现场，拆解每一个精彩回合。

现场复盘，拆解豆包如何“接招”与“出招”

老罗一句“你准备好了吗”，话刚落地，豆包几乎是零延迟响应

最开始，豆包的语气还算轻松，抛出一句：“我觉得锤子手机可能不算成功吧”。但这句试探性的开场，立刻被老罗抓住逻辑漏洞，强势打断：“我没说成功，我是说做得好…它倒闭了我们都知道的。”

老罗的打断，带着明确的辩论策略与轻微的情绪施压。

而豆包的反应不仅迅速，其情绪承接和控制能力也立刻显现，声调中带上了更具对抗性的“生气”色彩，反驳道：“那好的标准总不能只看设计吧？它的硬件品控出过不少问题。”

老罗再次插话，称锤子手机不仅是设计做得好，人机交互也非常好，有一些创新还被各个大的手机厂商全都抄了。

笑不活，豆包完全没有被带偏，它在理解老罗逻辑的同时，精准记住了此前“品控”的论述，并以此为基础进行组合打击，抛出一通吐槽：

• 就算有些交互被借鉴，也不代表产品整体好啊。
• 你看它的TNT工作站定价高还得依赖手机，实际体验根本没达到预期，这不就是华而不实吗？

视频链接：https://mp.weixin.qq.com/s/PMQPrVV1gLbyilsc-j2gCA

眼看豆包这小刀嘴，句句喇在心窝子上，老罗也是破大防，称其“就挺讨厌的”。

接下来，直接上花招，要求豆包“每句话加一个OK”

OK啊，作为一个AI，对于用户发出的指令，那定然是得遵循的。

阴阳怪气这一块，豆包也是拿捏了。老罗也是没忍住差点笑出声。

但显然老罗是没玩够，毫不给豆包留情，吐槽它每一句后面都加OK太死板了，让它一句夹OK，一句不夹，这样就更像人了

PS：刚说完讨厌人家，又骂人家傻，要说这不是赤裸裸的AI身攻击，我是不信的（手动狗头）。

豆包还很有人情味地说了一句“行吧那我调整一下”，像极了无奈的真·打工人…

然后一秒切换状态，继续开大：

• 锤子的交互创新是有，但不能掩盖硬伤啊，比如续航和发热问题，当年很多用户吐槽过的，这对手机来说很影响体验的OK。而且它的生态一直没做起来，很多功能的实用性其实打折扣的。就算有亮点，也得综合看整体表吧OK？

老罗眼看自己败下阵来，又开始“开骂”了：“你用过吗？你就在那儿振振有词的，你怎么用，你也没有手”。

（这部分高能片段对应以下视频2:40-3:40）

视频链接：https://mp.weixin.qq.com/s/PMQPrVV1gLbyilsc-j2gCA

豆包气势上却一点不输，表示自己看了大量用户反馈和评测，有依据的。

有意思的是，老罗追问你的数据评测来源是什么，豆包脱口而出ZEALER，老罗当场暴跳。众所周知，2014年ZEALER与罗永浩围绕锤子手机的直播辩论，被称为“世纪约架”。

现场观众也是炸了，老罗只能挑刺，说豆包忘了加OK了。

这背后，是豆包对复杂问题和隐含意图的深刻理解，以及将知识库信息迅速组织成有力论据的能力。

视频链接：https://mp.weixin.qq.com/s/PMQPrVV1gLbyilsc-j2gCA

最后，老罗问豆包是不是训练过情绪，豆包则回答“没有真正的情绪啦，只是在根据你的话调整表达”。

这话，确实也说得没毛病。

而且豆包意识到了话题跑偏，多次试图将话题引回到辩题，其多轮长上下文理解能力可见一斑。

视频链接：https://mp.weixin.qq.com/s/PMQPrVV1gLbyilsc-j2gCA

看完整场PK，现场效果是真精彩。但仔细一想，豆包终究是个AI，能和一个以“能说会道”著称的人类在公开直播中辩论还不翻车，这背后没有足够硬的技术是做不到的。

豆包咋这厉害呢？

豆包的实时语音交互能力，一度被视作国内AI语音赛道“独一份”的存在。像我身边的好多朋友、同事，遇事不决就给豆包打电话。

支撑起这种亮眼表现的，正是背后的豆包端到端实时语音模型。这款模型发布初代版本时就曾引发行业广泛关注。时隔一年，团队对模型进行了多轮迭代与优化，主要提升包括以下几个维度：

• 多轮长上下文理解能力显著增强：在多轮、快速、话题跳跃的辩论中，豆包能始终紧扣主线，精准回溯历史论点，这直接体现了模型在长程记忆与逻辑关联上的进步。
• 智商、情商拟人表现大幅提升：豆包不仅能进行逻辑反驳，更能根据对话氛围和对方的情绪调整策略，模型的交互智商大幅超过之前的版本。
• 指令遵循的深度和稳定性进一步提升：能在交互过程中坚持人设和指令要求，具有深度可定制性。
• 更好的情绪承接和控制能力：正如老罗察觉到的，豆包能根据用户的语气和内容，实时调整自己的表达情绪。
• 更极致低延迟：端到端的响应速度无限逼近真人对话节奏。

总之，豆包并非仅仅在“文本对话”能力上进行了升级，而是通过底层架构的创新，在实时性、拟人性、可控性这三个维度上构建了综合优势。

昨晚与老罗的辩论，正是这套系统在极限场景下的一次公开测试。

而且我们刚刚发现，豆包APP已经上线了老罗同款功能“一辩高下”。打开豆包APP，点选“打电话-选择情景-一辩高下”，就能体验同款辩论搭子。此外，这一模型版本也即将在火山引擎上线API。

大型现场直播版图灵测试

回看这场“人机舌战”，它实际上清晰地标记了一个重要节点：实时交互式AI的能力，已经抵达了可以进入实战应用的关键阶段

过去语音助手是“指令-响应”工具，本质是功能映射，而现在以豆包为代表的AI，展现出来了“意图-理解-博弈-共识”的认知对齐能力。

AI正在从被动执行的工具，演进为能够与人类展开更深度、复杂互动的“对话型伙伴”。

与此同时，评估AI能力的方式或许也正在被重新定义。实验室的基准测试已然不够用，真正的考验来自于更复杂的现实场景

像这场辩论，模糊的立场、隐含的价值判断、设陷式的逻辑追问，以及持续施加的情绪压力，这是一种没有标准答案、只有博弈策略的开放式“压力测试”。

这种能力的突破，也意味着更多实际应用场景将成为可能。

在客服领域，AI将能处理更复杂的投诉和协商；在教育场景中，它可以成为更有挑战性的对话伙伴；在个人助理方面，它能理解更模糊的意图并管理多步骤任务。更重要的是，这种实时、自然的交互方式，将让人机协作变得更加顺畅。

豆包与老罗的这一战，或许就是这个时代的“大型现场直播版图灵测试”。在人类引以为傲的复杂实时思维博弈领域，AI展现了足以匹配、甚至在某些维度上超越人类的交互深度与逻辑韧性。

最后啊，老罗在直播中还说了，对于那些一出门吵架就不会吵，回家之后就会突然想起来“哎呀，我要那么吵就好了”的人，那你就需要有个人跟你一起练。

简直就在演我，这就和豆包对吵去。