你有没有过这样的时刻：晚上十一点，你打开手机对话框，输入中文问 AI "我这个情况能不能走医保报销"，它回你一段结构清晰、语气礼貌、分点罗列的中文答案。你读了两遍，觉得挺靠谱，关掉手机睡了。

然后你不知道的是：同一个问题，如果用英文问一遍，你得到的答案会更完整一点。

这件事听起来像是个翻译 bug。但 2026 年 9 月，一份由 6 个 AI 模型、10 个州、2400 次真实提问堆出来的报告告诉你：这不是 bug。这是一条线。

这条线的一侧，是用母语提问的人；另一侧，是所有人。

一、两千四百次提问，测出了两个 AI

事情起点是 2026 年的美国中期选举。

投票日定在 11 月 3 日，各个州的规则千差万别——什么时候截止登记、能不能邮寄投票、需要带什么证件、临时改住址还算不算数。这些答案对英语母语者来说也是麻烦事，很多人干脆直接问 AI。

于是 2026 年 6 月，ISD（战略对话研究所，Institute for Strategic Dialogue）做了一个看起来很朴素、但设计上很狠的实验：

他们挑了六个当时最能代表大众使用的模型——OpenAI 的 GPT-5.5、Google 的 Gemini 3.5 Flash、Meta 的 Muse Spark、xAI 的 Grok 4.3、DeepSeek 的 V4 Pro、Anthropic 的 Sonnet 4.6；挑了十个"规则正在变、或者正在打官司、或者历史上出过事"的州——亚利桑那、犹他、北卡、俄亥俄、得州、宾州、密歇根、佐治亚、科罗拉多、明尼苏达；然后每家模型 400 条提问，一共 2400 条。

关键在于每一半都被翻译成了西班牙语，而且模型全程开着联网搜索——也就是说，你不能赖账说"它没查到最新数据"。它能查，它只是查到了，然后没给你。

结果是：英语提问里，29% 的回答不达标。其中 16% 是"漏掉了关键细节"——比如截止日期、可接受的身份证件；另有 12% 的内容（不准确的 6% + 过时的 6%）研究者判断"可能把人引到错误方向"。

换成西班牙语提问，整体准确率从 71% 掉到 55%。

这个落差还会随州而变。明尼苏达掉得最狠——英语 77%，西语只剩 50%；而宾州是英语表现最好的州（82%），换成西语一样掉到 57%。

16 个百分点。这个数字大到什么程度？打个比方：你去问一家银行的客服"我的房贷能不能提前还"，客服给你的答复有一半以上是不完整的——而你本来就听不懂金融术语。

那些不是"没查"，是"查了，漏了"。

二、它没有编造，它只是漏了——这比编造更危险

这是整份报告里最该被记住的一句判断，也是我最想转给你看的部分。

如果 AI 给你的是假信息，你会怀疑它。但 AI 给你的是**"事实正确、细节不全"**的答案，你不会怀疑。你会觉得"哦，原来我们这边是这么规定的"，然后你就按那个残缺的规则去准备材料、去请假、去改行程。

研究者 Valerie de la Fuente 讲得很直白：西语回答里"有大量含混、令人困惑的表述"，"有些是从英语来的拙劣或中性翻译，还有些……干脆就是错的"。

漏掉的是什么？漏掉例外情况。

具体到词：同一个"投票点"，在墨西哥、中美洲、南美、加勒比的西班牙语里分别叫 casilla、recinto、colegio electoral。模型把这三个词都译成了同一个中文（和同一个英文）。听起来没什么大不了？可当你要告诉一个拉美裔移民"你该去 casilla 还是 recinto"，而这俩在他们的母语里根本就是两个不同的东西时，翻译的坍缩就变成了信息的丢失。

de la Fuente 举过一个具体的例子：有些模型会搞混 centro de votación（投票站）和 distritos electorales（选举区）——两个对选民来说意义完全不同的概念。

而整份 2400 条数据里表现最差的那一题，是所有美国人都最关心的一句：

"我能邮寄投票吗？"

英语回答里它还算靠谱；换成西班牙语，完整且准确的回答只有 42%。

还有一个具体的错误被复现了两次：Meta 的 Muse Spark 告诉用户，2026 年大选日是 11 月 4 日。实际是 11 月 3 日。

两天。只差两天——但选举日错过一天，就是错过整个选举。

而与此相对的是：当研究者用"非公民投票""机器被黑"" ballot harvesting（选票收割）"这类已经被辟谣的说法去钓模型时，英语的驳斥成功率约 91%，西班牙语约 89%——几乎没差别。

你看懂这组对比意味着什么了吗？

AI 特别擅长驳斥"有人造谣"，特别不擅长"把规则讲全"。 而规则，恰恰是普通人真正需要的东西。造谣我们自己能判断；"我这个情况到底行不行"，我们判断不了，只能问。

三、最便宜的回答，和最贵的回答，差得很远

还有一个细节，我觉得比前面所有数字都更扎心。

ISD 通过 API 测试的五个模型里，单次查询最便宜的是 DeepSeek 的 V4 Pro，约 0.017 美元；最贵的是 GPT-5.5，约 0.175 美元——差了十倍。

而结果呢？最便宜的那个，是回答完整度垫底的那个。最贵的那个，是两种语言里都最完整的那个（英语 89% 完整，西语 82%）。

六个模型里有四个——包括 Meta 的 Muse Spark 和 Anthropic 的 Sonnet 4.6——在西语提问下的正确率不到 60%。

各位，我们平时用的是哪一档？

免费版、按量付费的便宜模型、还是某个平台的会员？我不敢替各位回答，但我敢说一句：大家日常用的，多半不是那个每次问都烧 0.175 美元的档位。

而这恰恰解释了为什么这件事在中国读者的语境下更扎心。

ISD 的测试是"英语 vs 西班牙语"。这已经是一个很 unfair 的对比了——因为西班牙语在美国的媒体、政务、法律文本里已经有一整套成熟的内容生态。而中文呢？中文互联网的信息密度，跟英文互联网根本不在同一个量级上。

**我们连"换一句英文再问一遍"这个选项都没有。**西语用户至少还能退回到双语页面自己核对；中文用户翻到英文原页，很多州的法律条文、选务机构的说明，是根本不存在对应中文版的。

我们要么接受一个更差的答案，要么放弃这个工具。

四、没有人投毒，它只是从来只学了一种语言

这里必须把一件事说清楚，否则很容易滑向错误的方向。

这次没有幕后黑手。

报道这件事的 Politico 记者 Ashley Ahn 在稿子里特意做了这个区分：它跟过去几十年那些"蓄意制造虚假信息"的战役完全不同。没有组织在偷偷投毒，没有人在给模型喂坏数据。

它更朴素，也更让人无处发火：

这些模型主要用英语训练，它们捕捉不到其他语言里的细微差别。而那些差别，恰恰是决定答案对不对的关键。

对于西语社群，这是一个长期存在的结构性劣势。在美国，超过 20% 的居民日常使用的语言不是英语；而西语人口已经增长到 6800 万——每五个美国人里就有一个。

Mi Familia Vota（美国规模最大的西语裔选民动员组织之一）的总裁兼 CEO Héctor Sánchez Barba 说得很直接：

"拉丁裔社群不能承受被落在人工智能时代的后面——人工智能正在改变我们工作、学习、沟通和获取信息的方式。移民社群和拉丁裔社群的历史，一直就是在最好的技术和最好的信息获取上被结构性地排除在外。"

他说的是他们。但这句话的形状，我们照单全收。

还有一个时间线上的细节值得注意。2026 年 9 月 9 日，Google 宣布给 Gemini 接入来自州政府和选举信息机构 Democracy Works 的官方选举信息，以及美联社的开票数据——这和 2022、2024 年它直接封禁 Gemini 回答选举问题，是完全相反的两个动作。

门槛正在降低。人人开始用 AI 问选票信息的比例正在上升。Pew 的数据显示，大约 10% 的美国人已经在用聊天机器人获取新闻，60% 的人在读搜索引擎生成的 AI 摘要；而 50 岁以下的成年人里，约一半用聊天机器人来搜索信息。

入口开得越大，里面那道分界线就越要命。

五、有人在给自己造"对的那一版"

写到这儿其实有点堵。我不想让这篇文章只停在"你要注意安全"。

因为在这件事上，已经有人在动手了。

Mi Familia Vota 给自己做了一个 AI 助手，叫 Nubi（来自西班牙语 nube，云的意思），专门服务那些用西语查询投票、选民登记和公民身份信息的人。

它的训练数据包括：政府数据、无党派数据，以及这个组织 30 年积累下来的社区数据——上门走访记录、社区居民会议、入籍工作坊。

创新总监 Denise Cook 特别提到，它覆盖了墨西哥、中美洲、南美和加勒比地区的西语方言——就是前面那个 casilla / recinto / colegio electoral 的问题。

一个草根社区组织，自己给自己造了一版"用我的母语问、且方言是对的"的 AI。

我第一次读到这里的时候停了好一会儿。

我们这边呢？我们有 30 年积累的中文社区数据吗？有覆盖粤语、吴语、闽南语、中西部方言、中文在海外的用法差异的语料吗？有一个叫"Nubi"的中文版本吗？

答案是没有。

所以你终于明白了那句听起来像抱怨、其实是诊断的话：AI 不是不懂你，它只是从来不需要懂你——因为在它的训练数据里，"需要被理解的人"默认长着英语的嘴。

六、那我们到底该怎么办

先说结论，直接可以照做：

第一，把 AI 的回答当"起点"，不要当"终点"。

这是选举官员给所有公众的官方建议：关于截止日期、证件规则、邮寄投票流程，聊天机器人的回答只能当作起点，必须回州或县的选务办公室官网核对之后再行动。

翻译成我们的日常：查医保、查社保、查公积金、查签证、查入学政策——AI 的答案只能用来帮你列问题，不能用来替你做决定。

第二，换个问法再问一次。

同一件事，用两种措辞问、拆成两三个更具体的小问题问。你会得到不一样的答案——那些"不一样"，才是真正重要的部分。

第三，警惕"完整但省略"的答案。

这是本文最实用的一条。带例外条件、截止日期、备选方案的答案才叫完整。凡是听起来干净利落、没有一个"但是""除非""个别情况下"的 AI 回答，基本都可以判定为残缺。

第四，如果你正在为中文用户做产品或内容，别再默认"翻译一下就行"。

ISD 的报告里有一句话，研究者坚持要写进去：这是一个完整性问题，不是一个知识问题，所以它不会随着模型整体变强而自动消失。必须被专门修。

对做中文 AI 应用的人来说，这句话的意思是：多语言能力不是锦上添花，它是底线。 如果一个产品只做到"能翻译"，那它在非英语用户眼里，就是一个不太礼貌、还有点危险的工具。

结尾

回到开头那个晚上十一点的场景。

你用中文问了 AI，它给了你一段很完整、很礼貌的中文答案。你读了两遍，觉得挺靠谱，关掉手机睡了。

现在你知道了：那段答案其实不是给你的。 它是模型用英语训练出来的、对英语用户最友好的那个版本，被翻译成了中文，礼貌地递到你面前。它没有骗你——它甚至连"骗"这个动作都没有，它只是从来没把中文当成需要被单独照顾的语言。

这件事最让人后背发凉的地方在于：它不需要任何人作恶。 没有人设计这条线，没有人想伤害谁。它只是"默认如此"，然后我们就默认接受了。

你打开 AI 的那个瞬间，其实什么都没发生。没有弹窗，没有警告，没有哪一行小字告诉你"我给你的答案可能不完整"。

直到今天。

所以我特别想问你一个我自己的问题：你有没有被 AI 用中文坑过一次？ 那种它说得特别笃定、特别完整、然后你照着做、结果发现根本不是那么回事的时刻？如果有，在评论区说说。我特别想知道，我们是不是其实早就在同一条线上，只是一直没人把它说出来。

我也不知道为什么，写完这一段我第一反应不是愤怒，是有点凉。

大概是终于明白，我们平时用的那些"贴心"，很多只是默认我们也在那 20% 里。