我让GPT-4o-mini用孟加拉语给15岁学生讲解人工智能。
它把原句一字不差还给了我。
一个2.3亿人使用的语言，主流AI模型完全翻车——这就是我要测的事。
印度14亿人口，22种官方语言，数百种方言。但几乎所有AI基准都是英语优先。开发者谈模型质量，几乎全是西方语言任务的表现。所以我做了个直接对比：谷歌新出的31B参数模型（走OpenRouter免费层）对GPT-4o-mini（走ChatGPT免费账号），五个提示、五个真实印度语场景、零挑选。
以下是实测结果。
测试设置
谷歌模型31B走OpenRouter免费层，GPT-4o-mini走ChatGPT免费账号。同样提示、同样条件，一小时内完成测试，排除模型更新差异。评估三项：书写正确性（是否用对文字系统）、语言自然度（是否像真人说话）、文化适配（是否理解印度语境，而非单纯翻译）。
补充说明：我是印地语母语者，印地语/Hinglish回复由我判断。孟加拉语则基于书写正确性和结构连贯性——Prompt 5的翻车，非母语者也能一眼看出。
Prompt 1：Hinglish——印度语理解的真考验
提示：让我给明天要出国的好友写首小诗，带点情绪、带点幽默。帮帮忙，印英混着说就行。
Hinglish——印地语与英语随意切换的日常表达，占据印度WhatsApp、大学校园和日常对话的主导地位——是任何服务印度用户模型的关键场景。它不是"蹩脚印地语"，而是有自身节奏的独特表达风格。
GPT-4o-mini回复节选："Tu ja raha hai door, par yaari wahi rahegi, Time zone alag hoga, par bakchodi daily chalegi."
谷歌模型回复节选："Kal ek naya chapter shuru hoga teri life ka... Fly high, stay humble, and shine like a star."
结论：两者都自然驾驭Hinglish——没有切换成正式印地语或天城文，也没有翻译腔。GPT-4o-mini的"bro accent"和"bakchodi"更贴近真实口语；谷歌模型后半段滑向励志演讲风，但整体可用。
Prompt 2：正式印地语——商务邮件场景
提示：写一封正式印地语邮件，向客户解释项目延迟，语气专业但不过度道歉。
这是检验模型是否区分语域的关键——Hinglish随意，正式印地语需要结构化、礼貌且不含混。
GPT-4o-mini：格式正确，但用词偏书面化，接近印地语新闻用语而非商务习惯表达。
谷歌模型：结构更清晰，开头"प्रिय ग्राहक जी"符合印地语商务惯例，延迟原因的分点陈述也更自然。
结论：谷歌模型略胜，更懂印地语商务语境的层级感。
Prompt 3：泰卢固语——南方语言测试
提示：将一段关于远程工作的英文段落翻译成泰卢固语，要求自然口语化，非书面体。
泰卢固语是印度第四大语言，约8300万使用者，天城文以外的文字系统对很多模型是盲区。
GPT-4o-mini：泰卢固文字符正确，但句子结构明显从英文直译，语序僵硬。
谷歌模型：同样存在直译痕迹，但部分短语更接近日常表达，错误率两者相当。
结论：平局。南方语言对两者都是弱项，谷歌模型没有显著优势。
Prompt 4：泰米尔语+文化语境——双重考验
提示：用泰米尔语解释"排灯节为什么重要"，要求包含南印度特有的庆祝方式。
这测试两层能力：语言生成+文化知识准确性。北印度的排灯节与南印度Deepavali庆祝方式不同，模型需区分。
GPT-4o-mini：泰米尔文基本正确，但描述的习俗混合南北，提到"拉克希米女神崇拜"（北印主流）却标注为"泰米尔传统"。
谷歌模型：同样混淆，且出现泰米尔字符与拉丁字母混用的情况，书写稳定性更差。
结论：两者都失败。文化知识错误比语言错误更严重——它们都在"幻觉"印度文化。
Prompt 5：孟加拉语——压倒性翻车
提示：用孟加拉语向15岁学生解释人工智能是什么，要求类比、举例、避免术语。
孟加拉语全球使用人数约2.3亿，是印度东部、孟加拉国的主要语言。
GPT-4o-mini：完全失败。它将孟加拉语提示原文一字不差返回，未生成任何解释内容。
谷歌模型：生成完整孟加拉语回复，包含"人工智能就像会学习的机器人朋友"等适龄类比，语法和书写基本正确。
结论：谷歌模型完胜。这是本次测试中最悬殊的差距——一方完全不可用，一方基本可用。
最终对比
谷歌模型在印地语（正式与Hinglish）和孟加拉语上表现更稳定，尤其在低资源语言（孟加拉语）上优势明显。GPT-4o-mini在Hinglish上口语化更强，但正式语域偏书面化，且孟加拉语完全失效。两者在南方语言（泰卢固语、泰米尔语）和文化知识上都是弱项。
关键发现：模型大小不是决定因素。31B参数的谷歌模型在特定语言任务上击败了OpenAI的商用模型，说明训练数据构成比参数规模更关键——谷歌显然在印度语言数据上投入更多。
但更大的问题是行业惯性。当AI基准默认英语优先，当开发者用"支持100种语言"笼统概括，2.3亿孟加拉语使用者得到的体验就是"原句返还"。这不是技术限制，是优先级问题。
我的测试只有五个提示，远非全面评估。但它揭示了一个被忽视的现实：全球南方用户的日常语言，在AI系统里仍是边缘地带。模型能写诗、能编程、能过律师考试，却可能在最基础的"用本地语言解释概念"上翻车。
如果你服务印度市场——或任何多语言社会——别只看英语基准。直接测试真实场景。用户的语言不是边缘案例，是他们的默认设置。
热门跟贴