当前研究多使用多项选择题评估大型语言模型（LLM）在多语言亲属关系理解上的表现，实际上把任务当作识别问题。本文改为让五个开源权重模型在印地语、泰米尔语和韩语三种非西方语言中，针对两类交际任务生成亲属称谓，并与一个提供四个候选项的选择基线进行对比。\ \ 在相同的关系‑语言单元上，GPT‑OSS120B 在 75 个有效单元中有 90.67% 能选出正确答案，但在对应的生成尝试中仅有 36.00% 能产生被接受的称谓；Llama‑3.370B 同样表现为 77.92% 对比 24.24%。由于四选项条件直接展示候选词且不要求脚本输出，这一差距被解释为评估形式差异，而非模型词汇知识缺失的直接证据。\ \ 在明确指明第三语言（L3）提示的情况下，各模型的准确率差异显著：GLM‑5.1 达到 72.29%，而 Llama‑3.370B 仅为 24.24%。父系血缘优势呈现语言特异性：在印地语中优势明显，韩语中则弱甚至逆转；泰米尔语的共享词对提供了测量变异的对照。\ \ 这些结果表明，即使关系已明确说明，生成特定文化亲属称谓仍然困难，因而需要在多项选择之外，引入生成式评估来更全面衡量模型的亲属知识。\ \ 点评