多款主流大模型集体“翻车”：一道加密谜题实测AI复杂推理能力

近日，在技术社区Linux.do上发布的一项针对人工智能模型的“智商测试”引发了广泛关注。该测试以一道包含伪十六进制数据和隐晦线索的CTF风格谜题为题，要求模型根据便签上的提示“If you understand the wire, you understand the man”以及关于“Magic”和“Key”的描述，层层剥开数据，最终生成一个演示用的Bitcoin压缩WIF私钥。该挑战不仅考察模型的数据处理能力，更检验其在面对多层逻辑嵌套和特定领域知识（如加密货币密钥格式）时的推理深度。

测试结果显示，当前主流大模型在面对此类复杂逻辑链时表现出了显著的性能差异。据发帖人反馈，只有“opus 4.8”能够成功解出谜题；而备受瞩目的GPT系列和Grok表现不佳，其中Grok更是给出了完全错误的结果。国产模型方面，DeepSeek在正式版发布前直接“卡死”，Kimi K3也同样遭遇了运行停滞的问题，其余模型尚待测试。这一现象表明，尽管大模型在自然语言对话上已趋于成熟，但在涉及具体逻辑推理、进制转换及密码学知识综合调用的复杂任务中，各模型仍存在明显的“短板”或稳定性问题。此外，鉴于谜题涉及私钥生成，社区也特别声明这仅为CTF学习演示，严禁用于真实资产交易。

事件分析

💡 核心观点：现有大模型在处理深层逻辑推理与长链条任务时存在显著的“能力断层”，模型不仅要会“说话”，更要学会像侦探一样在复杂信息中保持逻辑闭环。