支付系統(tǒng)的崩潰往往始于一行"看起來正確"的代碼。VibeCode Arena創(chuàng)始人最近放出一道測(cè)試題：檢查訂單是否已支付，若否則扣款。邏輯無懈可擊，但47個(gè)參測(cè)AI模型中，絕大多數(shù)都栽在同一個(gè)坑里——它們沒看懂并發(fā)請(qǐng)求。

一道題，拆穿AI的"偽安全"

測(cè)試場(chǎng)景并不復(fù)雜：用戶點(diǎn)擊支付，網(wǎng)絡(luò)抖動(dòng)觸發(fā)重試，兩筆請(qǐng)求同時(shí)抵達(dá)服務(wù)器。人類工程師的噩夢(mèng)在此——第一筆請(qǐng)求檢查"未支付"，第二筆請(qǐng)求也檢查"未支付"，兩筆都通過了。結(jié)果是用戶被扣兩次錢。

參測(cè)模型表現(xiàn)分化明顯。部分能識(shí)別基礎(chǔ)狀態(tài)校驗(yàn)，少數(shù)提及重試機(jī)制，但真正理解冪等性（idempotency，指同一操作執(zhí)行多次與執(zhí)行一次效果相同）設(shè)計(jì)的寥寥無幾。更諷刺的是，有些模型的回答讀起來像安全手冊(cè)，代碼里卻留著明顯的競(jìng)態(tài)條件窗口。

出題人把這道題命名為"雙重扣款風(fēng)險(xiǎn)"。命名很直白，但AI們似乎更擅長(zhǎng)解釋概念，而非識(shí)別代碼里的時(shí)間縫隙。

為什么支付是AI的盲區(qū)

支付系統(tǒng)的危險(xiǎn)不在于業(yè)務(wù)復(fù)雜，而在于失敗模式隱蔽。正常流程走一萬次都通，異常邊界只要觸發(fā)一次就是資損。AI訓(xùn)練數(shù)據(jù)里充斥著"正確"的代碼示例，卻鮮少包含生產(chǎn)事故的尸檢報(bào)告。

更深層的問題在于上下文缺失。模型看到的是一個(gè)孤立函數(shù)，看不到網(wǎng)關(guān)超時(shí)配置、看不到數(shù)據(jù)庫(kù)隔離級(jí)別、看不到下游渠道的異步通知延遲。這些才是決定"檢查-扣款"兩步操作是否原子化的關(guān)鍵變量。

有模型在回答中自信地寫下"此方案已考慮并發(fā)安全"，附帶的代碼卻連事務(wù)邊界都沒加。這種自信比無知更麻煩——它可能讓審查者放松警惕。

人機(jī)協(xié)作的邊界在哪

測(cè)試發(fā)起人沒有公開點(diǎn)名哪些模型表現(xiàn)最差，但數(shù)據(jù)足夠說明問題：當(dāng)問題從"寫一段支付代碼"變成"找出這段代碼哪里會(huì)賠錢"，AI的勝率斷崖式下跌。

這指向一個(gè)被忽視的評(píng)估維度。行業(yè)熱衷用LeetCode風(fēng)格題目測(cè)試模型，但生產(chǎn)環(huán)境的bug往往藏在"看起來對(duì)的邏輯"里。支付、庫(kù)存、資金劃轉(zhuǎn)——這些領(lǐng)域容錯(cuò)率為零，卻極少出現(xiàn)在基準(zhǔn)測(cè)試集中。

出題人在挑戰(zhàn)頁底部留了一句話："支付不是關(guān)于成功處理一次，而是關(guān)于確保永遠(yuǎn)不會(huì)意外處理兩次。"這句話被47個(gè)模型中的大多數(shù)引用或改寫，但只有個(gè)位數(shù)真正在代碼層面實(shí)現(xiàn)了它。

測(cè)試仍在開放，新的模型版本陸續(xù)加入。一個(gè)值得觀察的細(xì)節(jié)是：那些在第一輪失敗的模型，經(jīng)過針對(duì)性微調(diào)后，能否識(shí)別出同一類問題的變體？還是說，它們只是學(xué)會(huì)了回答"并發(fā)安全很重要"，而非真正理解時(shí)間片交錯(cuò)時(shí)的狀態(tài)機(jī)？