白交 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

又一個讓大模型幾乎全軍覆沒的難題出現(xiàn)了。

注意看，這張圖畫的是誰？

如果不夠明顯，那再瞇著眼睛看呢。沒錯，就是蒙娜麗莎。

這張來自日本藝術(shù)家北岡秋吉前幾天創(chuàng)作的一張圖，結(jié)果直接把一眾大模型難倒了。

ChatGPT只能分辨出這是一張臉。。

Gemini則是直接識別錯了人。

網(wǎng)友：懂了，大模型不會瞇眼睛。

大模型不會瞇眼睛？

為了驗證這一推論，咱們也進(jìn)行了一波簡單實(shí)測。既然直接問「畫的是誰」問不出來，那給一點(diǎn)提示，讓它可以嘗試瞇著眼睛。

首先來看ChatGPT的表現(xiàn)。

它能準(zhǔn)確判斷出這是一張視覺錯位圖，也通過「瞇著眼睛」識別出來了具體的臉部輪廓，結(jié)果在最后關(guān)頭識別錯了。

而再讓它深度思考一下，答案給不出來了。

Gemini的回答則還停留在各種顏色的條紋，也辨認(rèn)出這是個側(cè)臉的輪廓。

Grok則直接表示無法辨認(rèn)，讓我提供一張更清晰的照片，emmm…

再來看看國產(chǎn)玩家的表現(xiàn)，還是挑出三個來看看。

豆包的回答與Gemini類似，能夠判斷出圖像的風(fēng)格、人臉輪廓，但是無法判斷具體任務(wù)。

但選擇深度思考之后，它深入研究了故障藝術(shù)的通道分離特性，然后從黑色輪廓中判斷出這是愛因斯坦（？？？？

可能這蓬松的長發(fā)不是一個類型的吧。

將這個問題交給Qwen。負(fù)責(zé)回答這個問題的是Qwen3-235B-A22B，在完成深度思考之后，它發(fā)現(xiàn)了這是個人的側(cè)臉剪影。但還是沒有判斷出畫的這個人是誰。

但o3-Pro一次性回答對

不過在一眾模型全軍覆沒之際，也還是有得分選手。

比如o3-Pro。

網(wǎng)友進(jìn)一步分析了原因。這可能與模型推理軌跡有關(guān)。比如像o3（非pro版）思考鏈路里，它通常會在 Python 中旋轉(zhuǎn)、增加對比度、裁剪等。而o3-pro顯然推理能力更強(qiáng)。

但有人懷疑了，它是不是用搜索了。

不過這被發(fā)現(xiàn)者駁回了。首先o3也可以用搜索，但無法做到這一點(diǎn)。而且從o3-pro的推理摘要中看，它只有在模糊后才能看到它（可能是通過使用工具）。而且如果只問“這是什么？”，它也不起作用。

還有嘗試了三次的GPT-4o。

不過這合理懷疑，只是它偶然猜對了。

因為網(wǎng)友在它第一次打錯之后，就給模型提示說這是一張著名的畫作。于是就莫名玩起了「海龜湯」的游戲。。。

又或者讓o4-mini-high先人為地模糊圖像以使其“瞇眼”，然后就能識別圖像。

好了，感興趣的朋友可以去嘗試一下。有挑戰(zhàn)成功的友友，可以在評論區(qū)分享下提示詞經(jīng)驗~

參考鏈接：
[1]https://x.com/svpino/status/1940924964431188137
[2]https://x.com/goodside/status/1941296192656376297