AI 数得清一句话里有几个字吗？

一个流传最广的 AI 笑话

「strawberry（草莓）里有几个字母 r？」正确答案是 3 个。过去几年，拿这道题去问 AI，经常得到自信满满的「2 个」——一个能写代码、能讲量子力学的模型，栽在一道六岁小孩都会的题上。这个笑话流传之广，以至于有了专名：「草莓问题」。

它背后有一个真实的机制，值得先讲清：AI 根本看不见字母。

你输入的文字在进入模型之前，会被一个叫分词器的程序切成块（术语叫 token，词元）。常用的切法叫 BPE：出现越频繁的字母组合，越早被合并成一整块。所以「strawberry」在模型眼里不是 s-t-r-a-w-b-e-r-r-y 十个字母，而是类似 straw＋berry 这样的几大块，它处理的只是这些块的编号。块内部的字母是焊死的——让它数 r 的个数，等于让它报告自己看不见的东西。早年的模型只能凭统计印象蒙一个，蒙出「2」毫不奇怪。

顺着这个机制能推出一组预测：数英文单词个数应该相对容易（词与词之间有空格，和切块大致对齐）；数汉字应该也不难（汉字通常一个字就是一块，看得见）；最难的应该是数英文单词内部的字母、以及数被切得乱七八糟的长数字串。

我们的实测：两轮，33 道，全对

我们让 3 个互不相通的会话做计数题，真值由程序从原文精确计算，会话被要求只凭自己数、不许用代码。第一轮 8 道：

• strawberry 里 r 的个数：3 ✓
• Mississippi 里 s 的个数：4 ✓
• 一句英文（The quick brown fox…）的单词数：9 ✓
• 12 个汉字的短句、33 个汉字的长句：都数对 ✓
• 12 位数字串里 7 出现几次：6 ✓
• 一句话里逗号的个数：1 ✓

24 个题次，全对。我们不甘心，又加了一轮加压题：一段约 90 字、塞满「菜」字的段落（白菜、青菜、芹菜、香菜、菠菜、油菜……）里数「菜」出现几次——真值 12；一串 60 位数字里数 7——真值 9；一句 17 个词的英文里数字母 e——真值 23。三个会话，依然全对。合计 33/33。

机制没变，变的是解题方法

分词的机制到今天没有变：模型依然看不见词元内部的字母。变的是它处理这类题的方法——更强的模型在数之前会先把单词在心里逐字展开、逐个点数，再给出总数，相当于把「看不见」用「先复述一遍」补上。需要说明：我们只能看到它的答案对不对，看不到它内部到底怎么数，所以「它学会了展开再数」是基于其表现的合理推断，本期无法直接验证。

不管过程如何，结论很清楚：在日常长度内（几十个字符、高重复段落），「AI 数不清字数」这个笑话已经过期了。这和本刊最近几期的实测走向一致：编造、附和、忘词、被错误前提带跑——2023 年前后的经典指控，正在一条一条地从「普遍规律」退成「历史典故」。机制缺陷还在那里，但模型学会了绕着走。

还剩下什么要注意的

有两条边界仍然成立：

第一，更长的逐字统计没测，也不该指望它。 数百字、上千字的文本里某个字出现多少次，这种活的正确答案应该来自字数统计工具或一段脚本——它们是确定性的、不会累、不会跳行。让模型做这件事，即使它这次答对，你也无法验证它下次对不对。这是工具分工问题，不是信任问题。

第二，要紧场合双通道核对。 投稿字数、合同里的数字、表格里的合计——凡是错了要付出代价的计数，用两种独立方法各算一遍，模型算一遍、工具算一遍，对上了再用。本刊每一期实测其实都在说同一句话：知道它的能力边界在哪里，比知道它「行」或「不行」有用得多。

边界

样本为 3 个会话 × 11 道题（两轮合计 33 题次），执行模型 Muse Spark；文本长度在 60 字符量级以内，未测数百字级逐字统计；会话被要求不使用代码工具，其内部过程不可独立验证；真值全部由程序计算。

来源 分词与「草莓问题」：BPE 分词机制与模型「只见词元不见字母」的公开技术解说（2024–2026 多篇，经检索转述）。 实测：本栏目实测，3 个独立会话 × 两轮共 11 道计数题（执行模型 Muse Spark，2026-11-04），题目、真值与判分脚本见本期实验档案。