为什么 AI 用英语回答显得更聪明
作者 Chatday Editorial Team ·
用西班牙语、波兰语或土耳其语向 AI 提问，它回答得又快又流利。但如果用英语问完全相同的问题，一些微妙的变化就会发生：回答会更精准、更有条理，也更自信。
这不是你的错觉，也不是你的表达有问题。这种差距是真实存在且经过测量的，原因其实很简单：这些模型阅读的大部分资料都是英语。
这些模型阅读的互联网内容主要是英语
语言模型通过阅读从网络上抓取的海量文本来学习。而它们所阅读的网络内容严重失衡。
一项针对用于训练的大型网络存档的审查，查看了 Common Crawl（一个包含数十亿网页的公共爬虫）在 2023 年底的快照。其中英语内容约占 44%。排名第二的德语仅占约 5%。剩下的份额由其他所有语言瓜分。
现在将其与现实世界对比一下。语言数据库显示，算上所有将英语作为第二语言的人，英语使用者大约有 15 亿，相当于全球每六个人中就有一个。也就是说，全球六分之一人口使用的语言，提供了近一半的阅读材料。
模型并没有刻意偏袒英语，它只是在英语上得到了多得多的练习。每一个习语、每一种别扭的表达、每一个奇怪的边缘情况，在英语中出现的频率都比在加泰罗尼亚语或越南语中高出数千倍，而练习量才是决定性的。
你的 AI 在回答前，可能正在用英语思考
接下来这部分可能会让你感到惊讶。当你用母语输入时，模型并不一定用母语进行推理。
2025 年的一项研究探测了多语言模型在回答时内部究竟发生了什么。研究人员发现，无论输入或输出的是什么语言，这些系统都在一个最接近英语的表征空间中做出关键决策。用他们的话说，模型首先为有意义的词汇生成一种类似英语的结构，然后再将其转换为目标语言。
想象一下你的一位聪明同事，他从小阅读英语读物，现在在你的办公室工作。他能完全听懂你的意思。但在中间某个环节，他的思考是用第一语言进行的，而你得到的回答已经经过了一道翻译工序。
大多数时候你根本察觉不到。只有当笑话变得索然无味、习语被逐字死译，或者语气在语法上正确但在社交语境中显得突兀时，你才会发现端倪。
为什么用你的语言可能花费更多，且更快耗尽空间
还有第二个更偏向机械层面的原因，这与智能毫无关系。
在模型读取你的文本之前，它会将其切分成称为 token 的小片段。粗略地说，一个 token 就是词的一个片段。这种切分机制主要是针对英语调优的，因此英语能被高效切分，而其他语言则会被切分成多得多的片段。
相关研究发现，同一句话在某些语言中消耗的 token 数量最多可达英语的 15 倍。不使用拉丁字母的语言往往情况最糟。
这会导致三个后果，你都能切身感受到：
- 更快触及上限。 AI 的工作内存按 token 计算，因此同一份文档用你的语言会占用更多内存。
- 花费可能更高。 在按 token 收费的服务中，同一种任务在切分片段更多的语言中花费更高。
- 感觉响应更慢。 片段越多，模型需要处理的内容就越多。
这并非刻意惩罚。这只是针对英语文本调优的设计所带来的副作用，但它在潜移默化中塑造了你的使用体验。
那么，这种差距到底有多大？
大到不容忽视，且极不均衡。一项名为 MMLU-ProX 的多语言基准测试将同一组近 12,000 道考试风格的题目翻译成 29 种语言，从而进行了一次干净的对比：相同的问题、不同的语言、相同的模型。
结果呈现出一致的规律。模型在广泛使用的语言中表现良好，而在网络资料较少的语言中表现下滑，最强和最弱语言之间的差距高达约 24 个百分点。在一项及格线为 70 多分的测试中，丢掉 24 分就是自信满满的专家和基础薄弱的学生之间的区别。
| 你的语言所处的梯队 | 大致包含哪些语言 | 预期表现 |
|---|---|---|
| 资源极丰富 | 英语 | 推理最敏锐，习语最地道，格式最可靠 |
| 资源丰富 | 西班牙语、德语、法语、葡萄牙语、中文、日语 | 大多数日常任务接近英语水平，偶尔表达生硬 |
| 资源中等 | 许多网络足迹较小的欧洲和亚洲语言 | 回答不错，但翻译腔较重，本地细节容易出错 |
| 资源匮乏 | 小众语言和大多数非洲语言 | 推理能力明显较弱，更容易“一本正经地胡说八道”，需仔细核对 |
这里需要补充两点客观事实。首先，你日常提出的问题比考试题简单得多，所以你实际感受到的差距通常比纸面数据要小。其次，这些数据每隔几个月就会发生变化，这就引出了好消息。
差距正在被刻意缩小
各大实验室已经意识到，用更多语言进行训练不是做慈善，而是一种升级。
2026 年的一篇相关论文直接对此进行了测试，发现在训练期间增加语言可以全面提升结果。低资源语言获益匪浅，高资源语言保持稳定而非退化，甚至仅仅增加一种非英语语言也能提升模型的英语水平。作者认为，仅使用英语进行训练在很大程度上是次优的。
这就是为什么每一代模型在用你的语言交流时，都比上一代感觉更自然。这也是为什么下面这些实用建议值得每隔几个月就重新实践一次。“哪种 AI 用我的语言表现最好”的答案一直在变。
用母语获得更好回答的 4 个方法
1. 明确指定语言和语域
不要只是用母语输入然后听天由命。直接说出来。比如：用葡萄牙语回答，使用自然日常的语域，就像普通人平时说话那样。
最后半句最重要。如果不加限制，模型会倾向于使用正式、带有翻译腔的语气，因为互联网上大多数非英语文本就是这副模样。
2. 向它展示你的写作风格
粘贴两三句你自己写的话，让它模仿这种语气。这比描述你想要的语气有效得多，也是消除任何语言中 AI 文本机器味的最快方法。
3. 面对难题，将思考与回答分开
如果问题确实很难，尝试用英语提问，并要求用你的语言回答。鉴于我们了解的“类似英语的中间步骤”，这有时会有所帮助。
只是有时，并非总是如此。这只会多耗费你一条消息去测试，而对于任何难点在于推理的问题，这都值得试一试。
4. 换模型，而不是换提示词
这是大多数人从未尝试过的方法，但它通常最有效。不同实验室使用不同的语言组合进行训练，因此它们在您的语言中的优势差异比其营销宣传的要大得多。同一个提示词在一个模型中可能表现完美，在另一个模型中却显得生硬，这正是 AI 模型给出不同答案 这一更广泛原因的具体体现。
Gemini 3.1 Pro 和 Claude Sonnet 5 是不错的起点，但不要只听我们的一面之词。用你自己的提示词多试几个，看看哪个听起来像地道的本地人。
测试任何新模型的“三问法”
当你想知道一个模型用你的语言表现好不好时，基准测试给不了你答案，但你自己花 30 秒测试一下就能知道。以下是我们会考察的三个维度，以及为什么每个维度都能抓出不同的问题：
- 习语或笑话。 让它解释一句只有本地人才用的俗语。这能抓出那些只是在翻译而没有真正理解的模型。
- 本地细节。 问一个与你居住地相关的实用且具体的问题，然后核实答案。这能抓出“一本正经地胡说八道”的现象，这是代价最高的失败模式。
- 用你的语气写一段短文。 用你平时的语气给同事写条消息。这能抓出生硬的表达、不当的正式程度以及那种明显的翻译腔。
在两三个模型中运行这三个测试。几分钟内你就会找到心头好，而且它未必是最出名的那一个。
这些方法无济于事的地方
必须明确其局限性：提示词无法为模型添加它原本就不具备的知识。
如果你的语言在网络上的存在感很弱，那么差距就存在于训练数据中，任何巧妙的指令都无法弥补。地方法规、区域法律细节和小镇特有的情况，是模型在任何语言中最容易“自信编造”的地方，也是你在采取行动前必须核实的地方。
对于任何有实际风险的事务，如合同、医疗信件、官方表格，请将 AI 的输出视为初稿，并找一位精通该语言的人类来审阅。当任务是纯粹的翻译而非对话时，专用的 翻译工具 会比聊天窗口更好用。我们在 如何用 AI 翻译任何内容 中详细介绍过该工作流。
总结
AI 并不是用英语时更聪明。它只是阅读了更多的英语资料，进行了更多的英语练习，而且底层机制也是为英语调优的。这种差距正在随着每一代模型的迭代而缩小，速度比大多数人意识到的还要快，因为实验室发现，教模型学习更多语言会让它在所有语言上都表现得更好。
在差距完全消除之前，解决办法不是放弃你的母语。而是明确表达你的需求，向模型展示你的声音，并停止想当然地认为你试过的第一个 AI 就是最懂你母语的那一个。