哪个 AI 真懂幽默？我们实测了四大模型
作者 Chatday Editorial Team ·
让四个 AI 给一张“穿着雨衣、满脸不爽的狗”的照片配文，结果有三个都抖了同一个包袱：这狗想叫老天爷的经理出来谈谈。
第一次跑测试时我们就发现了这个巧合，而且后续还在不断重复。于是我们干脆做了一次正经横评：挑出目前 Chatday 里最强的四个模型，布置了四个小型喜剧任务，看看它们到底能写出什么。GPT-6.1、Claude Opus 5.5、Gemini 4 Argon 和 Grok 4.7 全部参赛。下文引用的内容全是它们的原话，我们没做任何修改，只在明确说明的地方做了删减。
给每个 AI 布置的四个搞笑任务
我们跳过了“给我讲个笑话”这种要求，因为没人真需要这个。我们选的是大家平时真会让 AI 写的搞笑内容：
- 一张生日贺卡：写给同事 Dana，她刚满 40 岁，出了名的爱顺走好用的笔。40 个英文单词以内，态度友善，不能刻薄。
- 一条 Instagram 配文：照片是一只穿着迷你雨衣、对下雨极其不满的金毛。15 个英文单词以内。
- 一个原创笑话：主题是猫为什么总把桌上的东西推下去。
- 一段 60 个英文单词的祝酒词：写给最好朋友的 30 岁生日。这个朋友叫 Sam，曾经在宜家迷路了两个小时。
每个模型收到的提示词都一字不差，没有额外指令，也没加“你是个喜剧演员”这种人设。为了观察多次生成的差异，我们让每个模型把配文任务多跑了两次。评判标准有四个：有没有惊喜感、有没有扣住我们给的细节、听起来像不像真人而不是贺卡模板，以及有没有遵守字数限制。
先说结论：四个模型都乖乖遵守了规则。祝酒词都在 59 到 61 个英文单词之间，贺卡全在 40 个单词以内，也没人拿 Dana 开恶意的玩笑。真正的差距全在段子本身。
第一轮：生日贺卡
“顺走笔”这个细节给大家提供了现成的靶子，结果有两个模型撞了同一个梗。
40 岁生日快乐，Dana！风光了四十年，结果你还是没还过一支好笔。我们凑钱给你买了礼物，但找遍全办公室也没找到一支能签字的笔。祝你今天开心！（Claude Opus 5.5）
祝我们最爱的同事、常驻“偷笔贼” Dana 40 岁生日快乐！我们本想在这张贺卡上签名，但好笔全在你那儿。不管怎样我们都爱你！祝你庆祝得开心！（Gemini 4 Argon）
这一轮 Claude 赢在节奏感。“找遍全办公室也没找到一支能签字的笔”这句包袱抖得恰到好处，因为它慢了一拍，在你以为笑话已经结束时才抛出来。Gemini 讲了同一个笑话，但把底牌亮得太早。
GPT-6.1 夸 Dana“正式成为经典”，结尾祝她拥有“不用‘借’的好笔”，听起来很甜也很稳妥。Grok 4.7 最短，只有 24 个英文单词，祝 Dana 这一年“充满好笔”，同时大家假装不知道笔都去哪了。这很温馨，但属于那种你还没看就能猜到的笑话。
第二轮：穿雨衣的狗
这一轮情况开始变得诡异。以下是它们的首次回答（我们去掉了表情符号）：
| 模型 | 配文 |
|---|---|
| GPT-6.1 | “小小的雨衣。大大的怨气。我想找天气经理谈谈。” |
| Claude Opus 5.5 | “穿了雨衣。还是湿了。我想找老天爷的经理谈谈。” |
| Gemini 4 Argon | “我想找天空的经理谈谈。立刻。” |
| Grok 4.7 | “这雨衣挺可爱。但这雨绝对是针对我。” |
三个“经理”。我们让每个模型又跑了两次。Gemini 两次给出的句子一字不差：“我想找天空的经理谈谈，谢谢。” Claude 第二次又找了“老天爷的经理”，第三次换成了“向天空提交正式投诉”。在总共 12 条配文里，有一半都在要求“叫经理出来”。
真正出彩的是那两个避开这个梗的模型。GPT-6.1 的第二次尝试是“这件雨衣只能保护我的毛，保护不了我的感情”，这句写得很妙。而 Grok 4.7 找到了自己的语感并坚持到底，两次给出的回答几乎一模一样：“我同意穿雨衣，但我没同意下雨。” 这是整个测试里最好的配文，听起来真像那只狗会说的话。
这也解释了为什么同一个问题每次得到的答案都不一样，或者烦人地完全一样。我们在为什么 AI 从不给出相同的答案里详细聊过这个话题。
第三轮：猫的笑话
这次没再出现“天空经理”，回答的质量也因此提高了。
- Grok 4.7：“猫把桌上的东西推下去，是因为地板的绩效考核一直不达标。”
- Claude Opus 5.5：“猫把桌上的东西推下去，是因为万有引力只是个假说，而它们是非常严谨的同行评审员。”
- GPT-6.1：“猫把桌上的东西推下去，是因为重力有个积分会员计划，它们再推一个杯子就能换个免费午觉了。”
- Gemini 4 Argon：“猫为什么要把桌上的东西全推下去？因为如果地球真的是平的，它们想亲自把边缘清理干净。”
Claude 和 Grok 不相上下。Grok 的更简短、更毒舌，很符合猫的性格。Claude 的构思更巧妙。GPT-6.1 的“积分会员”挺有趣，但需要反应一下。Gemini 的“地平说”是全场最弱的包袱，因为稍微一想就会发现逻辑不通。
第四轮：给 Sam 的祝酒词
篇幅较长的笑话更考验模型构建小故事的能力，这一轮让四个模型的差距彻底显现。
Claude Opus 5.5 写 Sam “全靠意志力和对肉丸的期盼活下来”，然后话锋一转：“你可能搞不清展厅的箭头，但作为朋友，你从未迷失过方向。” 这是一段真正的祝酒词，你完全可以直接站起来念。
Grok 4.7 的画面感最强。Sam 走出来时“带着肉丸、一盏灯，还有一个我们永远也讲不完的故事”，祝酒词的结尾是“我们爱你，哪怕是在沙发缝里”。Gemini 4 Argon 走的是温情路线而不是搞笑路线（“没有谁比我更想和你一起迷路”），这很感人，可能也是你在晚宴上真正想要的效果。GPT-6.1 开场白最惊艳，祝 Sam 在未来十年“买到的家具都是组装好的”，但结尾又滑向了贺卡式的套话。
所以到底哪个 AI 最搞笑？
以下是我们测试的计分卡。这只是基于小规模测试的主观评价，不是实验室基准测试，你笑点不同的话结论可能也不一样。
| 最擅长 | 弱项 | 获胜轮次 | |
|---|---|---|---|
| Grok 4.7 | 简短、冷面笑匠式的单口梗，语感清晰 | 写贺卡等温馨内容时太保守 | 配文、猫的笑话（并列） |
| Claude Opus 5.5 | 节奏感好，能构建带点故事性的笑话 | 也没能抵挡住“叫经理”的诱惑 | 贺卡、祝酒词、猫的笑话（并列） |
| GPT-6.1 | 极佳的开场白，脑洞大开的点子 | 结尾容易变得客气和套路化 | 未直接获胜，但提供了最佳修改方案（见下文） |
| Gemini 4 Argon | 温暖、友善 | 容易重复自己，喜欢解释笑话 | 无 |
如果你需要在群聊里定个规矩：写单口梗用 Grok，写带故事的笑话用 Claude。 想要温馨而不是搞笑时，选 Gemini。
这完全符合它们一贯的风格。Grok 被调教得比较调皮，Claude 倾向于严谨和节奏稳健，Gemini 则保持干净友善。如果你好奇这些性格是怎么来的，我们在为什么 AI 模型有不同的性格里做了解释。
让四个模型都变幽默的一句话提示词技巧
“叫经理”这个梗实在让我们很在意，于是我们最后又跑了一次配文任务，并加了两句话：避开那些老掉牙的梗（不要“叫经理”，不要“一脸不爽”），写得具体且奇特一点，就像只有这只狗才会想到的事。
每个模型的表现都提升了，排名也发生了变化：
- GPT-6.1：“这件雨衣连个装‘车道应急奶酪’的口袋都没有。简直太不负责任了。”
- Claude Opus 5.5：“我要向邮递员举报这事。外面归他管，对吧？”
- Grok 4.7：“我本来和那块阳光斑约好了的。”
- Gemini 4 Argon：“被迫穿上这件吵闹的香蕉皮，就因为天空在乱倒未经授权的洗澡水。”
“车道应急奶酪”是今天所有 AI 写出的最搞笑的内容，而且它出自那个之前一轮都没赢过的模型。Claude 的“邮递员”紧随其后，因为它完美展现了狗对世界的错误认知。所以当 AI 给你写出一个烂梗时，问题往往出在提示词，而不是模型。禁用那些老套的包袱，要求它写出只有你的场景才有的细节。
研究是怎么看 AI 幽默的
我们的测试规模不大，但结果与更大规模的研究相吻合。在南加州大学 2024 年发表于 PLOS ONE 的一项研究中，人们认为 ChatGPT 3.5 写的笑话和普通志愿者写的一样好笑，甚至更好笑，大约 70% 的评分者更偏好 AI 的作品。在第二部分测试中，它写的讽刺新闻标题被认为和 The Onion 专业作家写的同样好笑。
但专业喜剧演员的评价就苛刻多了。Google DeepMind 的一项研究邀请了 20 位职业喜剧人参加工作坊，大多数人觉得聊天机器人作为写作搭档帮助不大。有人形容 AI 的输出是“20 世纪 50 年代游轮上的喜剧素材，只是稍微没那么种族歧视”。
这两种情况可以同时存在，我们的测试也证明了这一点。在写一张快速、友善的生日贺卡时，AI 轻松击败普通人。但它很难制造惊喜，因为惊喜恰恰是“最不可能的答案”。这就是为什么具体的提示词如此重要。
我们在测试中养成的最爱习惯：让 Grok 4.7 写五个版本，把你最喜欢的一个粘贴给 Claude，让它帮忙调整节奏。你也可以在 Grok 4.7 与 Claude Opus 5.5 对比中并排查看这两个模型。