行业资讯

  • 首页 行业资讯 球友会官网 - AI识别困境:为何无法准确画出13个鸡蛋?

球友会官网 - AI识别困境:为何无法准确画出13个鸡蛋?

2026-11-20

在一张白纸上描绘13个鸡蛋,你认为需要多长时间?或许一分钟就能轻松搞定,一个一个画,数一下,不用橡皮擦。可是,当这个看似简单的任务交给AI时,它却连续尝试了多个轮次,结果均以失败告终。11月18日,话题“让豆包画13个鸡蛋”迅速登上微博热搜,当天的热度迅速突破百万。

根据网络分享的截图,可以看到过程是这样的:微博用户@一号哨位提出的“让豆包画13个鸡蛋”一轮接一轮地重复着。在经历多次尝试后,AI在每一轮中都信心满满地表示“这次锁定了”,可结果总是与13个鸡蛋相距甚远。最后,豆包不得不认输,表示不再画图,采用文字形式列出来:“4+4+5=13”。这一幕被网友调侃为“滑跪式认错”。

然而,不光是豆包遇到了麻烦。热搜发布之夜,“哪家AI能正确画出13个鸡蛋”成为了网友们自发的挑战题。有些用户在测试中发现,千问AI画出了12、15、16个鸡蛋,而灵画AI则巧妙地展现出了12个半的结果。甚至有人声称,豆包经过第4次尝试便成功了,而ChatGPT却仅需一次就正确作答。这同一道题在不同AI面前,结果却各不相同,让人不禁思考。 球友会官网

那么,为何13这个数字如此棘手?通常,蛋托的标准构造包含12个格子,而训练模型时,”满满一盒蛋“的样本可能是它们接触频率最高的。大多数超市里的蛋托都是两排每排6个,正好装满12个。当你说“盒子里有13个鸡蛋”时,AI第一反应是画出一个满满的蛋盒,然后第13个蛋就没有地方摆放了。有人尝试将“盒子里”改为“桌面上散放”,结果显然更为简单。

而且,13本身还是一个质数。12可以整齐地排列成3×4或者2×6,但13却只能以1×13的形式出现。要是将其放进任何规整的排列中,总会多出一个地方或留下空格。据博主零重力瓦力的实测,9个不同的模型中,有四个成功绘制出了正确的图像,而画对的模型普遍选择了不整齐的布局,而那些未能成功的则偏向于追求整齐的排布。这一现象表明,AI在处理“排整齐”的重要性时,似乎优先于了“数对”。

about image

AI有时候也是能够生成13个鸡蛋的,但这只是针对单次测试,无法作为全面评价的依据。在数量上,观察者发现,个数较少时,AI的表现尚可,然而一当数量超过十个,就开始在12、14、15、18等数字间摇摆不定。恰逢13这个数字,恰好滑入了这一尴尬的边界。 球友会官网

这一切的根源在于AI处理图像的方式。人类画13个鸡蛋时,往往在纸上先标定好位置,然后逐个描绘,漏掉的部分可以及时补救。然而,主流的图像生成AI往往采用扩散模型,它的作图方式截然不同。AI从一张随机噪声的图像开始,像是老式电视中没有信号时的画面,经过一轮又一轮的去噪,逐步形成清晰的图像。在这个过程中,AI会不断问自己:“如果这幅图描绘的是一盒鸡蛋,那么哪些地方应该亮,哪些地方应该暗。”经过多次反复操作后,画面变得清晰,但并没有按照“逐个画、逐个数”的逻辑来进行。

该模型内部也缺乏“已经画了多少个”的计数器,因此数量只能依赖于各部分之间隐约的关系维持。当物体数量增加时,这种关系的维持便变得不那么可靠。AI的学习方式是通过海量的鸡蛋图片去训练,了解一盒鸡蛋的总体外观,但并没有掌握如何在画面上对应特定的数量。

about image

在2025年3月,曾有一篇论文提出,“文生图扩散模型无法准确计数,调整提示词也无济于事”。研究者对15个不同模型进行了测试,包括豆包、可灵、混元和通义万相。结果显示,要求画出1到5个物体时,模型的准确率在60%到80%之间;而一旦数量达到6到10,准确率则骤降至10%到30%。对于11到15个物体,几乎所有模型的准确率都低于10%。而13正好处于最难的区间内。 球友会官网

在一些测试中,研究者让豆包画出“N个苹果放在木桌上”,当N从1涨到15时,数量一多,准确度迅速下降。即使是表现最好的Imagen-3模型,平均准确率也仅有43%。研究还尝试了多种不同的提示方式,如将数量拆分为乘法和加法,结果却使得平均准确率分别降至26%和23%;连要求指定每个物体的位置也使准确率下降到20%。热搜中,网友们尝试了多种改写和不同的摆放方式,但一年多前的研究同样显示,越改反而越糟。

about image

另一篇在2025年10月的论文进一步解释了为何有时画得对有时又不对。在每次生成图片时,AI都是从一张全新的随机噪声图像开始,最终呈现出几件物体、它们的位置,在很大程度上是由最初的噪声图决定的。模型的构建显然在处理某些数量的时效性与准确性之间,还存在着不小的挑战。