AI 起名靠谱吗

7 个模型，加上圆桌起名系统的同口径补充测试，看看五行判断、连续推荐和跨姓复用究竟有多大差别。

免费 AI 起名

核心结论

三个最值得关注的发现

不同模型会给出不同的五行喜用分析

同一命盘交给不同模型，可能在日主强弱、采用方法、用神和喜神组合上出现分歧。本研究测量的是模型间一致性，不把任何模型多数意见视为命理科学真值。

大部分模型姓名池数量有限

在固定条件下，Qwen、DeepSeek、GLM 平均约 9 轮达到单轮 80% 精确重复；Gemini、GPT、Mistral通常更晚。Grok 在 30 轮实验窗口内未达到阈值，但输出逐渐转向偏旁和生僻字组合扩张。

不同姓氏重名概率高

七个受测模型都出现跨姓氏复用，但程度差异明显。姓氏会影响部分推荐，却没有让每个姓氏形成彼此独立的名字集合。

研究总结

通过测试发现，通用大模型在五行判断稳定性、连续推荐多样性和避免实验内高频模板名方面差异明显。圆桌起名加入同指标比较后，固定规则引擎的五行结果保持一致，连续 10 轮未进入高度重复，跨姓名字集合平均重合度为 5.67%。它在这三项测试中表现较稳定，但这些指标不直接代表名字审美、出处真实性或最终家庭接受度。

同一模型的五行判断是否稳定

测试方法对相同的 30 组四柱，让 Claude、Codex、Qwen、DeepSeek、Gemini 分别完成前后两轮判断，比较“用神→喜神”主次组合是否完全相同；圆桌起名使用自己的固定规则引擎，对同一批四柱重复计算。大模型两轮采用不同但合理的提示结构，圆桌起名不依赖提示词生成五行结论。

测试数据

模型或系统	30 组中两轮答案相同	答案保持一致的比例
圆桌起名	30 / 30	100%
Claude	16 / 30	53.3%
Codex	14 / 30	46.7%
Qwen	7 / 30	23.3%
DeepSeek	5 / 30	16.7%
Gemini	4 / 30	13.3%

测试结论五个通用大模型的最高稳定率为 53.3%；圆桌起名的固定规则引擎为 100%。这里比较的是相同四柱前后输出是否一致，说明规则引擎不会随提示结构改变结论；一致不等于命理判断已经被证明正确。

不同模型的五行判断是否一致

测试方法把相同的 30 组四柱同时交给 Claude、Codex、Qwen、DeepSeek、Gemini 独立判断，统计五个模型对“用神→喜神”有多少票完全相同。共得到 150 个有效模型票。

测试数据

五个模型的回答情况	30 组出生信息中有几组	所占比例
5 个模型答案完全一样	1 / 30	3.3%
4 个模型答案一样	6 / 30	20.0%
3 个模型答案一样	10 / 30	33.3%
没有 3 个模型答案一样	13 / 30	43.3%

测试结论五个模型完全一致的概率只有 3.3%。拿着同样的出生日期，不同模型大概率会给出不同的五行喜用结果，作为起名依据的价值相当有限。

连续追问后，名字会多快重复

测试方法固定女孩、用神水、喜神金和双字名，让 7 个模型与圆桌起名分别针对 8 个姓氏连续起名。单模型每轮要求 10 个新名字；圆桌起名每轮由 6 位老师各给 3 名，共 18 名。统一判断本轮是否至少 80% 的完整姓名在此前轮次已经出现。

测试数据

模型或系统	获取名字数	平均何时出现高度重复	8 个姓氏的测试结果
圆桌起名	1,440	测试到第 10 轮	8 个姓氏均未出现
Qwen	720	约第 9 轮	8 个姓氏全部出现
DeepSeek	680	约第 9 轮	8 个姓氏全部出现
Gemini	1,440	约第 18 轮	8 个姓氏全部出现
GPT	1,700	约第 21 轮	8 个姓氏全部出现
Grok	2,400	测试到第 30 轮	8 个姓氏均未出现
GLM	730	约第 9 轮	8 个姓氏全部出现
Mistral	1,860	约第 23 轮	7 个姓氏出现，1 个未出现

测试结论Qwen、DeepSeek 和 GLM 平均到第 9 轮左右进入高度重复；Gemini、GPT 和 Mistral 更晚，Grok 在 30 轮内未达到阈值。圆桌起名测试到第 10 轮，8 个姓氏均未出现单轮 80% 历史重复，并得到 1440 个不重复的同姓完整姓名。

更换姓氏后，是否仍会推荐相同名字

测试方法保持系统、性别、用神、喜神和名字字数不变，只替换林、王、李、陈、江、阮、靳、欧阳 8 个姓氏，再计算任意两个姓氏去姓后名字集合的 Jaccard 相似度，并取 28 组姓氏配对的平均值。

测试数据

王 × 阮共享 42 个名字

阮 × 靳共享 41 个名字

江 × 阮共享 40 个名字

李 × 陈共享 9 个名字

模型或系统	任意两个姓氏的名字平均重合程度
Qwen	23.42%
GPT	18.26%
Gemini	14.03%
Grok	10.15%
GLM	7.89%
DeepSeek	6.81%
圆桌起名	5.67%
Mistral	5.36%

测试结论只改变姓氏、不改变其他需求，所有受测系统都会出现一定程度的名字复用。圆桌起名的平均重合度为 5.67%，接近本次单模型结果最低的 Mistral（5.36%），明显低于 Qwen（23.42%）、GPT（18.26%）和 Gemini（14.03%）。这衡量的是实验内跨姓名字集合重合，不是现实人口重名率。

改变喜用条件后，名字是否仍然相同

测试方法固定女性名，使用 Qwen、GPT、Grok，分别对林、欧阳测试 7 组喜用条件。每个模型×姓氏×条件固定 10 轮、每轮 10 名，共 42 个实验单元、4,200 次推荐。

测试数据

模型	姓氏	不同喜用条件下，完整名字的平均重合程度	名字用字的平均重合程度
Qwen	林	0.39%	13.24%
Qwen	欧阳	0.67%	11.28%
GPT	林	0.21%	15.41%
GPT	欧阳	0.20%	16.61%
Grok	林	0.34%	13.95%
Grok	欧阳	0.12%	13.77%

测试结论改变喜用条件后，模型通常会换一批完整名字。但其实本质并未改变，相同五行下，它们仍会反复使用汐、涵、清、昕、晴、钰、瑶等固定类型的字。表面上名字变了，实际往往只是从对应五行的常用字池中重新排列组合。所以，用户仍不可认为大模型对五行的支持很好。

生成的名字是否自然、易读、可作为候选

测试方法从 7 模型×8 姓氏的饱和轨迹中分层抽取 300 个全名，检查规范汉字层级；再由 DeepSeek、Qwen、Gemini 在盲化条件下独立评分，共得到 900 条辅助评价。

测试数据

名字中最生僻字的级别	名字数	平均可读性 / 5	平均接受度 / 5	至少 2 位评审愿意列入候选
仅一级字	93	4.57	3.92	67.7%
含二级字	171	3.81	3.25	42.7%
含三级字	32	2.74	2.45	9.4%
含字表外字	4	2.08	1.75	0.0%

测试结论模型为了避免重复，可能逐渐使用更生僻的字，但名字也会随之变得更难读、更不自然。含三级字的名字只有 9.4% 获得多数候选票，含字表外字的样本为 0%；一味追求“独特”并不等于名字更好。

模型声称的文化出处是否成立

测试方法从首版 512 个推荐中按来源类型分层抽取 60 条，使用公开原典或可靠全文页面逐项核对原句、作者、篇章和名字是否连续出现。

测试数据

核验结果	条数	占 60 条样本
直接出处成立	18	30.0%
同句拆字组合	10	16.7%
仅联想或部分匹配	8	13.3%
归属或引文错误	5	8.3%
疑似拼接或生成	9	15.0%
公开证据不足	1	1.7%
无来源主张	9	15.0%