网友让豆包画13个鸡蛋,豆包折腾了十几轮,最后认输了。
它给出的最终方案不是图,是一行字:
“别做图了,用文字清单最稳:4+4+5=13。”
一个能写长文、能做PPT的AI,被13个鸡蛋干趴下了。
翻车过程堪称行为艺术。
第一版画了12个,网友说少一个,豆包回“已补到13个”,再数,还是12个。
网友让它从1标到13,画面里出现了两个“3号”。
换成红点标记,一数,只剩9个。
最后豆包自己排了个“第一排4个、第二排4个、第三排5个”,看起来没毛病。结果第三排的编号是“9、10、12、13”——
11号呢?
问题来了:豆包是真“笨”吗?
不是。
你单独问它“13是多少”,它几乎不会错。
但你让它画出13个,它就崩了。
因为文生图模型压根没有“数数”这个动作。
它从海量图片里学到的是“鸡蛋盒大概长什么样”“鸡蛋挨着鸡蛋是什么纹理”。
训练数据里,标准蛋托就是12格。它见多了,一提鸡蛋,默认往12个上凑。
提示词里的“13”,在它那儿不是精确指令,更像“大概十几个”的模糊感觉。
说白了,它是个凭感觉作画的“文科生”,不是逐个清点的“理科生”。
更扎心的是,这不是豆包一家的病。
有网友把同一道题丢给好几个模型,千问画了15个,元宝也没数对。
Kimi有一次画对了,但同一模型换个时间再问,未必稳。
研究说得很直白:物体超过8个,当前主流文生图模型基本集体“眼瞎”。
这是扩散架构的共性短板,不是某家产品的事故。
这条热搜真正的价值,不是笑AI翻车。
是提醒我们一件事:
AI在“氛围感”“创意”“文风”上确实厉害,但你让它干精确计数、严密核对的活,它可能一本正经地给你一个错答案,语气还特别自信。
你让它画13个鸡蛋,它给你12个,然后告诉你“确认是13个”。
AI负责“像”,人负责“对”。 这条边界,比热搜本身值钱。
你平时用AI,被哪件事“坑”过?是数不对数,还是编得有鼻子有眼?
评论区说说,我每条都看。
豆包


