#哪家AI能画对13个鸡蛋#AI可以渲染出光影细腻、层次繁复的宏大场景,能画出氛围感拉满的人像与风景,可面对“画出13个鸡蛋”这种看起来无比简单的指令,却频频翻车,多一个、少一个、鸡蛋互相粘连融合,几乎是常态。#阿妥的ai观察##科技先锋官#
阿妥拿这个经典问题测试了几款主流生图模型,结果差异很明显。部分侧重精准指令、支持计数控制的模型,搭配分区标注、计数提示词的辅助,有概率一次性产出数量准确的13枚鸡蛋;但大部分通用模型,纯靠一句自然语言指令直接生成,稳定答对的概率很低。像Midjourney、国内多款通用文生图,天然更擅长理解风格、质感、构图这类视觉语义,对离散物体的精确计数并不是强项。
背后的核心逻辑很好理解。AI生图本质是基于海量图像数据学习视觉分布,它并不像人类一样“数数”。它学到的是“一盘鸡蛋大概长什么样”,是鸡蛋的形态、排布的氛围感,而不是一个个独立个体的精确数量。模型优先拟合画面的视觉合理性,而非执行严格的算术任务。物体堆叠、互相遮挡的时候,边界识别更容易混乱,计数误差也就随之而来。
不止13个鸡蛋,还有大量看似基础的任务是AI生图的重灾区:指定数量的花朵、手指、桌椅,带精确数字的标牌、特定字数的文字,都很容易出错。这些任务考验的不是绘画审美,是离散符号、个体边界的逻辑推理能力,而这恰恰是图像生成模型的短板。
当然,阿妥发现现在也有解法。使用支持掩码分区、列表标注的工具,或者搭配大语言模型先拆解计数逻辑再给到绘图模型,就能大幅提升准确率。但这也提醒大家,AI擅长创造美感,却不等于拥有严谨的数理认知,它的优势和边界,一直都清晰存在。
发布于 广东
