11月18日晚,「十三个鸡蛋把豆包难倒了」登上热榜:网友让豆包生成一张"盒子里有13个鸡蛋"的图片,豆包连续纠错十几次都没画对,数量在12个、9个、11个之间反复漂移,最终放弃作图、改用纯文字清单才锁定住13这个数。这不是一次孤立的"翻车":精确数清画面里的物体数量,恰恰是当前生图模型普遍没有解决的能力短板。微博微博
翻车的现场记录来自微博用户"一号哨位"。11月18日11时18分,ta把与豆包的多轮对话截图发出,配文只有一句"豆包,咱能不能长点心 #豆包被十三个鸡蛋难倒#“。截图里的豆包认错极快、承诺很满,下一版图却始终数不对,被网友戏称为"滑跪式认错但改不对”。到当晚,这条原帖点赞近两千,知乎上同时出现"为什么豆包无法正确生成13个鸡蛋放在盒子里的图"等追问。微博知乎
有人怀疑是免费额度拖了后腿,博主给出的答复更扎心——“付费的也是,我测试了”。评论区里,有人晒出改到第17次才成功的记录,也有用户干脆复刻考题,“我的豆包跟15颗干上了”。这场拉锯迅速从个例变成全民测试。

栽在鸡蛋上的,不止豆包
AI数不清画面里的东西,早有前科。2025年岁末,“手指难题"曾在科技圈刷屏:测试者把一只明显画有六根手指的手递给模型,prompt里明明白白写了"六根手指”,GPT-5.2仍然斩钉截铁地回答"五根"。把那只手改成奇形怪状、绕开"手"的概念,模型反而数对了。36氪
它不是粗心,是真的不会数
生图模型的失误机制,在这次事件的讨论里被说得比较透:翻车不在语言模型而在绘图模型——它靠学习海量视觉规律来生成整张画面,不具备"先计数、再画画"的逻辑,而常见鸡蛋盒多为12格,模型便无意识地向12靠拢。这与"手指难题"的技术分析一脉相承:训练数据里五指手占绝对主导,模型学到的是"手=五指"的强统计先验,输入一旦偏离模板,它看到的是模板,不是逐个的物体。微博36氪

这层机制也解释了翻车的"反复":编号会重复、点位会漏数,因为每一步生成都是一次全新采样,模型不会带着上一版的清单逐一对账。而这次翻车的时机颇为微妙——就在热搜前九天(11月9日),字节正式发布新一代生图模型Seedream 5.5并接入豆包,主打卖点恰是"更稳定的多轮编辑",实测口径甚至到了"调整100轮也不崩坏"。官方与媒体实测口径里的"百轮不崩",说的是多轮编辑时画面与已编辑区域不劣化;而用户拿"13个鸡蛋"考出来的,是数量控制这道从未被产品发布会解决的题。两件事并不矛盾,却正好划出了当前AI作图的能力边界:结构与风格进步飞快,精确的离散计数仍是短板。知乎知乎
对用户来说,怎么绕开这个坑
豆包最后"交差"的方式,其实就是一份可抄的攻略:不指望模型理解"13",而是让它按固定版式排——4+4+5分行罗列远比一个裸数字稳。日常使用同理:需要"恰好N个"物体时,把数量翻译成布局约束(“两排各6个再多放1个”“上排4个、下排9个”),出图后再人工点一遍数,比反复让模型"自己检查"可靠得多。截至发稿,豆包及字节跳动未对此事公开回应;12、9、11等具体数字出自发帖者与网友对截图的转述,各家复现的轮次数不尽相同,但"首版12个→多轮改不对→纯文字清单兜底"的主线一致。微博

当前文章无评论,是时候发表评论了