如果让你用3D建模还原埃菲尔铁塔，你会给AI写多长的提示词？有人只写了约200字，讲清楚塔的形状、格构、平台和灯光。这份需求里，一个字都没提人名。

结果两个模型交出的作业，把出题人看愣了。

打开网易新闻 查看精彩图片

一份没提人名的需求

这次测试的题目很朴素：让参与AA-3D评测的模型在离线环境下，把埃菲尔铁塔用3D搭出来。所有模型拿到的都是同一份约200字的说明，内容围绕塔身结构展开。

没有名单，没有提示，没有暗示塔上还刻着字。

古斯塔夫·埃菲尔当年在铁塔第一层平台下方，刻上了72位法国科学家、工程师和数学家的名字，四面各18个。这是铁塔身上一个容易被忽略的细节，不在任何一份建模需求里。

两个模型把72个名字全写了出来

Claude Opus 5.5 和 Grok 4.7 都写出了完整的72个名字，而且每一面的排列顺序，和真实铁塔上的顺序一致。

Claude Opus 5.5 还多做了一步：它把每一组名字，放在了与巴黎实际朝向相同的那一面。

这意味着模型不只是记住了名字，还记住了名字在塔上的空间分布。

更关键的是名字出现的位置。每个模型都是在一个没有联网权限的沙箱里，以智能体身份完成建模。两次运行中，这些名字最先出现在模型自己写的代码里，而不是它读取的某个文件或工具输出里。

换句话说，没有外部资料喂给它，是它自己写出来的。

为什么这件事值得多看一眼

建模任务本身考的是空间理解和几何生成能力。名字这件事，考的是另一套东西：模型在训练中吸收了多少看似无关的细节，又能在需要时准确调出来。

72个名字，四面，每面18个，顺序不能乱，朝向不能错。这不是模糊印象能糊弄过去的任务。

发布这条测试结果的人向 SpaceXAI、埃隆·马斯克和 Anthropic 表示了祝贺，称这是两个"非常有知识储备"的模型。

一条约200字的建模需求，意外测出了模型记忆的深度和精度。下次给AI出题时，或许该想想：它交上来的东西里，有多少是你没要的。