机器之心报道 编辑：杜伟、+0 「一只手有几根手指？」 这个看似简单的问题，强如 GPT-5 却并不能总是答对。 今天，CMU 博士生、英伟达 GEAR（通用具身智能体研究）团队成员 Tairan He（何泰然）向 GPT- 5 询问了这个问题，结果模型回答错了。 他接着延伸出一个论点： 语言虽然是强大的工具，但却很难完全满足视觉与机器人领域的需求。 我们更需要以视觉为中心的视觉语言模型（VLM）以及以视觉-动作为中心的 VLA 模型。 看起来，这里 Tairan He 对 Fingers 的定义应该是「包括拇指在内所有的手指」。 在英文语境中（包括柯林斯词典、词源词典等的解释），Fingers 既可以指代除拇指以外的其余四指， 也可以指代包括拇指在内的全部五指。 图源：柯林斯词典 图源：词源词典 不只是 GPT-5，推理版本 GPT-5-Thinking 也犯错了，「包括拇指在内 5 根手指，不包括拇指则 4 根手指」。 此前，在 Grok 4 推出之后，同样有人用数手指问题来测试它，结果 同样翻车 。 实测： 时对时错，Gemini 2.5 Pro 也未能幸免 有趣的是，在认定 手指（finger）包含拇 ...