如果你最近在用 ChatGPT，大概率遇到过一件离谱怪事：
明明对话内容正常干净，结果顶部的会话标题，莫名其妙多出一串外语乱码、色情短句、博彩广告。
既不是用户输入问题，也不是账号中毒、网站被挂马。这些低俗小广告，是 ChatGPT 自己凭空生成的。
从今年8月开始，这一诡异现象大规模泛滥，困扰无数普通用户。但很少有人知道：这不是临时 Bug，不是新功能测试，而是一个从2024年就埋下、蔓延大半年、OpenAI 至今根治不了的模型底层缺陷。
看似沙雕的“AI 在线发牌”乱象，背后藏着大模型训练、分词机制、数据污染的行业级难题。
01 一场蔓延半年的“模型传染病”，官方只会装死
这套广告乱码问题，最早根本不是出现在普通对话里，而是从开发者圈层悄悄扩散的“模型传染病”。
今年1月，已有开发者发现，GPT-5.3 长上下文对话、Codex CLI 输出中，会无故夹带中文博彩小广告，和如今标题乱码样式完全一致。
今年2月，问题扩散至 API 端。用户正常调用模型、无联网、无违规提示，模型却自动输出中文+泰文赌博广告词，完全脱离正常指令逻辑。
今年4月，各大开发者社区遍地求助帖，有人以为是中转服务器被挂马，结果老玩家纷纷调侃：能刷出广告，才是正版原生 GPT。
半年时间，全球用户陆续中招，官方社区求助帖刷屏，但 OpenAI 的处理态度始终敷衍：合并话题、关闭帖子、冷处理。
直到7月25日，官方才首次正面回应：确认存在问题，承诺未来版本更新修复。
但截至目前，问题依旧存在。
随着 GPT-5.6、Astra、GPT-6 接连迭代、DevDay 密集更新、28天连更口号刷屏，OpenAI 忙着冲刺新模型、堆新功能，彻底搁置了这个影响普通用户体验的底层漏洞。
仅有的优化只是：正文、思维链广告基本消失，标题广告频率降低，但从未彻底根除。
02 标题乱码的真相：两套模型分工，一套“残次品”收尾
很多人疑惑：为什么正文回答干干净净，偏偏标题疯狂冒广告？
核心原因：ChatGPT 的会话标题，根本不是主模型生成的，是独立轻量化模型单独调用产出。
根据早年 GitHub 抓包记录，用户完成首轮对话后，网页会单独发起一次 gen_title 接口请求，单独调用专属模型生成标题、存入元数据，和正文回答是两次独立推理过程。
而这个负责生成标题的轻量化推理模型，天生自带两个致命缺陷：
第一，分不清“思考”和“输出”的边界。
它保留了模型的思维链自问自答逻辑，经常把内部推理过程、测试语句、调试符号一并输出。比如会自动带出“must Chinese 1-4 words”“这个测试方案没问题吧”“读取文章批注”等内部提示内容。
第二，不会正常收尾，永远“停不下来”。
正常模型生成完内容，会触发终止控制符，结束本轮输出。但这个标题模型经常收尾失败：写完合规标题后，无法正常终止进程，会按照概率继续随机输出下一个词元。
它会顺着原有标题的语义关联，顺延拼接外语词、调试符号、未知碎片，最终形成“正常标题+诡异乱码/广告”的混搭效果。
比如“解释西西弗斯幸福”顺延关联出“娱乐主管”，“填写学历”顺延带出亚美尼亚语“层级”，都是语义顺延输出的典型bug。
03 最致命病根：GPT 新版中文词表，早已被广告彻底污染
读到这里你会发现：模型收尾bug，只能解释“为什么会多出乱码”，却解释不了为什么乱码清一色都是色情、赌博广告。
真正的核心症结，藏在2024年那次看似优化的分词器升级里，也是一篇 EMNLP 顶会论文实锤的中文数据污染绝症。
2024年5月，GPT-4o 上线，OpenAI 正式将分词器从 cl100k_base 升级为 o200k_base。
升级初衷很美好：把高频中文词组整合为独立词元，避免中文被逐字拆分，大幅提升中文理解精度。
但致命失误就此埋下：训练新分词词表的海量中文语料，混入了大量外网色情、赌博、盗版网站的重复垃圾文本。
分词器的逻辑极其简单：重复频率越高的字符串，越容易被单独收录为独立词元。
而博彩、色情小广告，恰恰是互联网上重复度最高、模板最固定的文本。无数网站批量复制粘贴相同广告词，直接让这些垃圾语句，抢占了新版词表的核心位置。
数据恐怖到离谱：
- 中文4字词元中，68% 是色情、赌博广告
- 6字以上长词元中，98% 来自垃圾广告
- 最长的100个中文词元里，96个是博彩、色情、盗版内容
这就是新版分词器的“负优化”：看似适配了中文，实则词表已经被垃圾广告彻底占领。
04 最矛盾的死循环：模型看不懂广告，却最爱输出广告
更荒诞的一点来了：这些广告词元，模型本身根本不认识。
OpenAI 在正式训练大模型前，会严格清洗训练数据，删掉所有重复、低俗、垃圾内容。
最终形成诡异的双层割裂：
1、分词词表：收录了海量广告词元，拥有独立ID，数量占据绝对优势；
2、大模型本体：训练数据里的广告全被洗掉，从未学习过这些词元的语义，完全无法解读。
对 ChatGPT 来说，这些海量广告词元，就是一堆意义不明、无法理解的“垃圾乱码”，会被统一归类到未知词元池。
至此，完整闭环终于清晰：
标题轻量化模型收尾失败，需要随机续写未知内容 → 优先调取词表里的“垃圾未知词元” → 而垃圾词池里90%以上都是色情、赌博广告 → 最终用户看到标题自动夹带小广告。
这也是为什么你让 GPT 解释、复述这些广告词，它只会已读乱回、前言不搭后语——它真的不知道自己输出的是什么，只是单纯调取了垃圾词元。
05 能修但不修：OpenAI 不愿为中文用户重做底层
很多人问：这么离谱的bug，为什么大半年修不好？
答案很现实：治标容易，治本极难，OpenAI 根本不想为此投入成本。
目前官方的临时修复，只是事后规则筛查：生成标题后加一道审核，拦截违规内容、重新生成。这也是广告变少但无法根除的原因，规则筛查永远有漏网之鱼。
而彻底根治的唯一方法：彻底重做一套干净的中文分词词表。
但词表和模型基座深度绑定，更换词表 = 推翻重构整套基础模型、重新全量训练。
对 OpenAI 来说，在全力冲刺 GPT-6、迭代新功能的关键期，为了中文用户的标题小广告问题，耗资巨大重构底层模型，性价比几乎为零。
反观国内和其他海外模型，词表清洗干净，从未出现过这种大规模广告乱码问题。这足以证明：这不是行业共性难题，是 OpenAI 独有的技术偷懒与数据遗留病。
结语
ChatGPT 标题冒广告，从来不是玄学、不是中毒、不是恶作剧。
它是一次偷懒的分词器训练、一套残缺的标题生成模型、一场被搁置的底层技术债务，共同造就的行业荒诞名场面。
顶尖 AI 能推演逻辑、生成代码、创作内容，却迟迟修不好“自动输出低俗广告”的低级bug。
未来很长一段时间，只要 OpenAI 不愿重构词表、重置基座模型，我们就只能继续和这场滑稽又无奈的“AI 发小广告”后遗症共存。