ARTICLE VIEW

深度内容与即时信息在这里交汇

当前文章页围绕清晰阅读、信息留白与高效分享而设计,让用户专注内容本身,同时保留便捷的继续浏览路径。

READ MODE

全网AI集体翻车!为什么它们死活画不对13个鸡蛋?

炸金花模拟器官方入口-三张牌在线体验 804 阅读 约 5.5 分钟

给你一张白纸, 画13个鸡蛋 ,你需要多久? 一分钟?画一个数一个,画完再点一遍,大概连橡皮都用不上。 可 这道题交给AI,它画了十几轮,一轮也没画对 。 11月18日,“让豆包画13个鸡蛋”就这么冲上了微博热搜,话题热度当天破了百万。 从热搜里流传的截图看,经过是这样的。 “让豆包画13个鸡蛋”,这是第一轮丨微博用户@一号哨位 “让豆包画13个鸡蛋”,这是第二轮丨微博用户@一号哨位 “让豆包画13个鸡蛋”,这是第三轮丨微博用户@一号哨位 “让豆包画13个鸡蛋”,不知道是第几轮了丨微博用户@一号哨位 “11号呢?”这句话成了全网热梗。 更好笑的是,每一轮豆包都说“这次锁定了”,每一次都没数对。 到最后,它自己认了输:别做图了,用文字清单最稳,4+4+5=13。网友管这叫“滑跪式认错”。 翻车的不止豆包。热搜当晚,“哪家AI能画对13个鸡蛋”成了全网自发的测试题。有网友测到,千问画出过12、15、16个,可灵画出12个,即梦画出了12个半。也有人说豆包试到第4次就成功了,ChatGPT一次就画对了。 同一道题,有人一次就过,有人十几轮都不过。这种时灵时不灵,本身就是线索。 为什么偏偏是13 蛋托的标准款多是12格,模型在训练中见得最多的,很可能就是一盒装满的12个。 超市里最常见的标准蛋盒:两排,每排6格,一盒正好12个丨Famartin/Wikimedia Commons(CC BY-SA 4.0) 你写“盒子里13个鸡蛋”,它先画出一个装满的标准盒子,第13个就没地方放了。有人把“盒子里”改成“桌上散放”,难度立刻降了一截。 13还是个质数。12可以排成3×4或2×6,整整齐齐。13只能排成1×13,放进任何规整的格子,都要多出一个或空出几格。 据博主零重力瓦力的一次横测,9个模型里有4家画对了。结果里还有个细节:画对的,基本把蛋排成了不整齐的布局。画错的,倾向于凑整行整列。 画错的模型,把“排整齐”看得比“数对”更重要。 AI有时候也能生成13个鸡蛋丨Gemini 这只是单次测试,不能当排行榜看。 再看数量本身。网友的观察是,个数少的时候还算靠谱,一到十几个,就在12、14、15、18之间来回跳。13刚好落在这一段。 占不满格的蛋托、排不齐的质数、数不清的十几个,13一个数全占了 。 它不是在画,是在“显影” 数不清的根子,出在AI的画法上。 人画13个蛋,是先在纸上标好位置,画一个数一个,漏了就补。 主流的AI生图模型大多走扩散路线,画法完全两样。它从一张纯噪声图开始,就像老式电视没信号时的雪花屏。然后一遍遍去噪,每一步都问自己:如果这张图是“一盒鸡蛋”,哪里该亮,哪里该暗。几十步之后,画面从模糊变清晰。 这更像冲洗照片,整张相纸一起显影,没有哪一笔是先画的。 模型内部也没有“已经画了几个”这样的计数器 ,数量只能靠画面各部分之间的关系隐约维持。物体一多,这种维持就松了。 扩散模型出图时,整张画面从一片“雪花”开始,一遍遍去噪,逐渐显影成清晰的图像,中间没有“画一个、数一个”的步骤丨作者生成的示意图,底图来自Famartin/Wikimedia Commons(CC BY-SA 4.0) 它学的是“看起来像”。看过海量的鸡蛋照片,学会了一盒鸡蛋大概长什么样,却没学会13在画面上对应几个蛋。 2025年3月有篇论文,标题直译过来是“文生图扩散模型不会数数,改提示词也没用”。研究者测了15个模型,豆包、可灵、混元、通义万相都在名单里。也就是说,这道题一年多前就有人认真考过,豆包当时就在考场上。 结果很一致:要求画1到5个物体,各模型准确率约60%到80%;6到10个,降到约10%到30%; 11到15个,几乎所有模型都低于10% 。13正好落在最难的一档。 2025年3月的论文里,豆包被要求画“N个苹果放在木桌上”,N从1到15。数量一多,画出来的个数就对不上了丨Guo et al., arXiv:2503.06884(CC BY 4.0) 总体最好的Imagen-3,平均准确率也只有43%。 研究者还试了几种改写:把数量拆成乘法、加法,平均准确率反而分别降到26%和23%;连指定每个物体放在哪里,也降到了20%。 热搜里网友一轮轮改写、换排布, 论文一年多前就替大家试过了,结论是——越改越差。 同一篇论文按难度分档测试:左边两列是简单题(1到4个),中间是中等题(9个),右边是困难题(13到15个)。打勾表示数对,打叉表示数错。“13棵树”这道题,所有模型都错了丨Guo et al., arXiv:2503.06884(CC BY 4.0) 另一篇2025年10月的论文,解释了为什么有时画对、有时画错。 每次图片生成都从一张全新的随机噪声图开始,最后画出几个物体、画在哪里,很大程度上在这张噪声图里就定了个大概。提示词里的数

about image
返回资讯列表
觉得有用?分享给朋友

让更多人看到这篇内容,也让有价值的观点传播得更远。