#ChatGPT更新图像思考能力# 这一波更新让我在网上都不敢发照片了。。。OpenAI 放出 2 个新模型，一个 o3，一个 o4-mini。主要就是有了 Thinking with images 图像思考能力。就是说，它们可以把图像整合到思维链中，作为推理的一部分。

我把一张 3 年前的照片发给 o3，结果它只用了 7 分钟，就分析出我是在哪个城市哪个园区甚至哪条河旁边拍摄的。。。不儿，你这开盒能力也太猛了。

就这些清一色的瓦房，它凭啥猜到？看完思考过程，我只能说，它真把观察、搜索、推理、验证发挥到了极致。招牌、地形、建筑风格、拍摄日的天气全部吻合， 最终 o3 推导完毕，把地点锁定在了余杭区梦想小镇。

真就是福尔摩斯和列文虎克结合体，不断地放大图片，查看细节，再结合着搜索，一步步推导，验证拍摄地点。

那如果没有招牌这种突破口呢？我们再看一张。

o3 仅仅思考了 1 分 39 秒，就很“自信”地给出了正确答案——贵州的乌蒙大草原。推理过程大家直接看图吧，反正所有普通人看不出的细节，对于o3来说全是信息。

然后我又拿了张 1996 年冬天同事父母在上海拍摄的照片，让 o3 推测出拍摄日期，也是 轻松搞定。

除了推测照片拍摄地和时间，还能找人、猜车、当博物杂志用。。。

大伙也别慌，经过我们大量测试，o3 也并非百战百胜，它翻车的次数其实非常多。比如图里背带裤和篮球的组合这么明显，它也能没找出答案[doge]

这次 o3 能力大升级的背后，核心是“ 强化学习 ”这四个字。OpenAI 发现和算力越大，AI性能越强的行业黄金法则一样，在强化学习中，给模型的思考时间越长，模型的能力也会越逆天。

足够多的信息量，足够长的时间，配合着足够强大的推理能力，就爆发出了这种恐怖如斯的效果。说实话还是有点担心，在 AI 能读懂照片的时代，我们的个人信息是不是更不好保护了？