家长听豆包给婴儿每顿只喂60ml奶？豆包回应称是不实报道，并列出五点事实，喂养量按个体差异制定；建议源自专业指导；未推荐固定数值；报道断章取义；呼吁参考官方信息。

近期网传“家长听信豆包建议，给满月婴儿每顿只喂60毫升奶”引发热议，豆包官方于5月28日回应称，该报道为不实信息，存在断章取义，官方澄清：豆包在多数回答中会提供总奶量范围（如每日300-500毫升），并强调观察婴儿反应及及时咨询医生，其他主流大模型在类似问题上的回答也一致，豆包表示将继续优化育儿领域的安全提醒机制，事件提醒公众，AI建议应作为参考，专业医疗判断仍是最终依据。

一则关于“家长听信豆包建议，给满月婴儿每顿只喂60毫升奶”的消息在网络上引发热议，针对这一争议，豆包官方于5月28日正式发布情况说明，明确指出相关报道为“不实信息”，并详细列举了五点事实予以澄清，以下是事件全貌及深度分析。

事情的起因源于一张网络截图,截图显示，有家长在询问“满月婴儿每顿应该喂多少奶”时，豆包给出了“每顿60毫升”的建议，这一数字与许多新手父母以及儿科医生推荐的“按需喂养、每顿60-90毫升”的下限接近，但报道中却将其放大为“每顿只喂60毫升”，暗示豆包给出的喂养量偏低，可能误导家长。

在社交媒体上,部分账号以“AI教人养娃翻车”为题转发该截图，迅速引发亲子育儿群体的关注，很多家长担忧：如果AI的建议不够严谨，是否会对婴儿健康造成隐患？尤其是在当前大模型产品快速渗透日常生活的背景下，公众对AI在医疗、育儿等专业领域的“权威性”产生了集中讨论。

豆包官方回应：五点事实还原真相

豆包在官方声明中强调,相关报道存在“断章取义”的问题，并未展现完整对话场景，经过内部多轮测试，正常情况下的回复存在以下五点经过验证的事实：

第一,在多数回答中，豆包并不会单独公布“每顿60毫升”这一静止数据，它会在回复中给出一个总奶量的参考范围，明确提示“24小时内总奶量约为300-500毫升”，而60毫升/顿只是相对于每日8-10次喂养频次的环比估算值。

第二,豆包在给出喂养量时，同时嵌入了多项提示，包括要求家长“密切观察婴儿后续反应”，如是否出现哭闹、吃手、睡眠不安等，并根据这些信号调整喂养量。

第三,在建议的末尾，豆包几乎无一例外地给出了兜底性建议：如果婴儿出现持续的哭闹、体重增长缓慢或更严重的异常状态，应“及时咨询医生”，这也意味着，豆包始终鼓励家长将专业医疗意见作为最终判断依据。

第四,相关推荐并非仅为豆包一家之言，经过横向对比，其他主流大模型在回答类似问题时，均给出了相似的奶量数值和建议框架，这侧面说明大模型在育儿议题上所依赖的语料库具有一致性，也就是说，“每顿60毫升”这一建议，在排除个体差异化需求的“通用回答语境”下，是一个常见且用于起点的谨慎性回复。

第五,为进一步规避低级误导，豆包将持续优化垂直领域的准确性，尤其是针对0-1岁的育儿问答场景，加强了“个性化提示+危重警示”的双重安全提醒机制。

事件还原：并非“建议低值”，而是“报低被截”

具体是如何出现所谓的“只喂60毫升奶”的理解偏差的？据内部分析，可能是用户截取了互动中的第一句文字，在一个完整的回复中，豆包先写“建议每顿喂养60-80毫升”，接着再写出每日总量以及喂养频次建议，然而旁观者在转发时只撷取了前半段，这让语句在外人看来，从一个幅度区间被浓缩成了一个“过低定点值”，这也是这篇不实报道的核心造假点。

延伸分析：AI育儿建议到底可不可靠？

这次事件的背后,其实是成年人对AI人工智能的使用边界、家庭场景渗透安全性的普遍敏感，近年来，大模型服务的普及速度远超公众对“机器建议—信任接受”之间的认知构建周期，诸多行业分析师指出：用户需要认识到，目前大模型并非直接代替医生给出教科书级的精准药方，它在子女喂养领域的陈述大多基于统计化的回答模型——即该领域高频出现的知识结果一旦被提问，AI运用知识图谱组合得出的信息必然偏向“大数规律”，对于处于生长发育边缘的满月儿来说，“少数需求”和病症情况均不在基本语法的反馈质量保底之内。

这也是越来越多AI企业在新媒体和发布会中反覆申明的“建议与共识型回复”与“专业医疗诊断”之间的区别，像是百度文心一言、科大讯飞、阿里通义千问、MiniMax的海螺AI等行业竞争对手，近年在App中的信息披露旁都会加上一条不容省略的声明：“以上内容由人工智能模型生成，无法替代专业医师判断”。

可预见的是,未来的大模型建设将从简洁数值供给切换到“精准风险预警+建议参考矩阵”，如如何针对不同的体重、早产儿与足月、纯母乳或混合喂养等变量来提供在数值或比例上的动态拆解，这可能是堵死类似闹剧的全新工程方案。

豆包团队持续布局：一边辟谣，一边提稳

声明中间部分明确了整改信号,豆包称将“加快大模型在长生命周期数据回答下的成熟度，并多重匹配当下各渠道的健康风险词云词库”，从市场营销角度分析，此举一方面有利于打破被捏造报告可能出现的生存质量冲击；也为内部医疗助理领域细分模块的正式上线打了一针建设剂，企业也可以通过这类争议重新校准“算法的基本边界设置”：即便被不实信息针对，确保本体产出的回答在原有正确范围内不出崩裂，回过来反而变成对大众一次关于“看清使用的知识须知”的有益传达。

情绪化的家庭互动期待更科学的使用引导

从许多该报道下的评论来看,更多家长希望每一次回答不再抽象成人判断逻辑中的“区间”，而是给出她们能一眼看懂的正向应对方案，说到底，所有AI产品都不应该只是为了“能回答就结束回答”，而既要给照顾孩子的家属守好门槛界线，也须同步配置“进阶问——当你观察到某个情况……”的方式来降低单一引用的困境。

这里可以强调一点：母育不是一个纯数据数学，所以人们在用户尝试分享医生版、协会版的书本和经验之外，去问了一下AI时，所看到的某种异常叙事很容易造成心理矛盾，反过来这类高度关注正是在给AI进入感性家庭服务发的一剂“警示剂”，可能最好的共存方式是：AI管累积信息，你管亲身关照和必要讨论，这是一个远比“豆包说每顿吃60”更为复杂但也更为真实的状态。

面对质疑，澄清是最好的回应

目前相关信息已受到多数媒体向源头部科技账号求证的后台真实性鉴定的支持,目前该报道被鉴定为截图选取带有认知误导性质，公众可以认识到：大模型提供的并非“客观指示文件”，不应作为一次性家庭执行的唯一依据；即便多个模型告诉您相同的数值区间或者保守基线，医院临床的诊断观察才是实际喂养变化的导航尺。

最后的结论显得重要又或许很常规：如果出现营养不良方面的育儿迷思，不仅要依赖AI辅助，还要紧抓自己最贴近的信号，主动走进每一次体检，让机器说的大数据作为经验储备参考，而最后的责任判断，落回被心牵引的眼睛和指尖间，此次为婴儿奶量的争议至少教会了家长一点：不要太急着全权信任单独一条回答——我们站立的那个技术模型很新，而为人父母的那份判断也必须同步迭代。

（编辑 | 梁露月   程鹏   杜恒峰 校对 | 陈柯名 封面图片来源：豆包官方微博