什么值得买App下载 App ›
连续签到专享现金活动

让AI画13个鸡蛋总翻车,到底是哪里出了问题?

11月18日,一个“被鸡蛋难倒”的AI体验话题冲上微博热搜,带词条的实测帖从上午一直发到夜里。事件本身不复杂:网友让豆包生成一张“盒子里有13个鸡蛋”的图片,怎么改都数不对,连续十几次纠错仍然未能数清,相关提问当天也出现在知乎上。这场“鸡蛋比物理还难”的实验,答案其实一句话就能说完:生图模型压根没有“逐个计数”这个功能,画面里的数量是模型模仿场景时的附带结果,不是它严格执行的硬性约束,而13恰好落在它最熟悉的模板之外,这就是反复翻车的来源。微博知乎微博微博

12个行、13个翻车:鸡蛋盒的“标准款”骗过了模型

这也不是一场突然爆发的翻车。早在10月21日,小红书就有人发出同款测试题。11月15日,B站UP主把文字、成图过程和排列偏好拆开做了可视化解释。到11月18日,它才冲上热搜、彻底出圈。小红书哔哩哔哩

传播最广的机制解释点到了要害:日常见到的鸡蛋盒大多是12枚的标准款,模型优先调取熟悉的模板,数量是画面附带的结果,而不是硬性约束;就算用户在提示词里加上编号、标记点,生成过程中元素还容易重叠、丢失或多出来。说白了,“13”进到提示词里,对模型是一类语义信号,而不是和画中物体一一对应的指令;主流生图又是对整幅画面并行完成去噪,中间没有“多摆一个、点一次数”的环节。于是网友截图里最常见的错误答案,恰恰就是一整盒12枚——模型照抄了模板,第13枚鸡蛋无处安放。微博

让AI画13个鸡蛋总翻车,到底是哪里出了问题?

不止豆包翻车:精确计数是行业共性短板

更多网友把实测发进了话题:同样的提示词,豆包给出一整盒12枚,千问数出15枚,Kimi一次画对了13枚。注意,这些是用户自发的一次性实测,不是一轮系统评测。微博

另一位用户的经历更能说明问题:豆包一口气生成3张图,中间那张其实是数量正确的13颗,但它“强烈推荐”的偏偏是错误的第一张;换千问生成,只出一张图,装的是15颗鸡蛋。这个用户的原帖里,还挂着“所有的AI都不识数”的同伴话题。微博

有人还发现了一个耐人寻味的细节:13个单独画得出来,一旦要求全部装进一个篮子里就做不到,千问、DeepSeek也一样。可见翻车点不在“会不会画鸡蛋”,而在“数量”和“场景构图”的绑定并不稳定。这也解释了为什么8头驴、指定数量的花朵和小动物同样被网友列进生图模型的翻车高发区——行业共性短板,而不是某一家的bug。微博微博

让AI画13个鸡蛋总翻车,到底是哪里出了问题?

不过“所有的AI都不识数”属于夸张:既然有模型能一次画对,也有人追问四五次后最终拿到了正确结果,说明它是“不稳定能力”,而不是“完全不会”。越新的模型在数量类提示上命中率越高,但精确数量仍不是保证性输出。微博

想要数量准确的图,眼下最有效的是降低“一次出片”预期

“换个说法”被网友试过,但它不是灵丹妙药:给千问提出“可以有空的栏位(凹槽)、13个鸡蛋”的变通要求后,它换了容器,却生成出16颗。微博

让AI画13个鸡蛋总翻车,到底是哪里出了问题?

真正管用的是笨办法:先多抽几张再人来挑——豆包3张图里本来就有一张正确的,问题恰恰在于模型自己分不清对错;出图后再让会推理的多模态模型逐一点数复核,最后一道交给自己的眼睛;数量必须严谨的场景——海报、电商图、教学素材——人工核数仍然是发布前的必经环节。这套热搜给普通用户的提醒也就落在这里:AI写文案、出氛围图越来越稳,但“按数字执行”这件事,暂时还没拿捏住。

一次纠错十几次挡不住它写文案,却栽在第13颗鸡蛋上。这条热搜真正的价值不是嘲一句“人工智障”,而是划出了一条能力边界:当下的生图模型擅长“模仿出那个样子的场景”,不擅长“严格执行一个数字”。下次让AI画带数量的图,要么给它多留几张“抽奖”的余地和一道人工核对的工序,要么干脆把要求改成它抄得熟的模板。

评论

评论区空态插画

当前文章无评论,是时候发表评论了