让豆包画15个鸡蛋,它一次就画对了。让它画13个,改到第八轮,还是不对。[9]
11月18号,这事在网上烧了一整天。起因是有人让豆包画一张“盒子里有13个鸡蛋”的图,它交出来的不是12个就是9个,怎么纠都纠不回来,话题当天热度破了百万,还拽出另一个词条,“所有的AI都不识数”。[8] 你要是拿AI做过图,这就不是乐子了,给孩子的算术题配图,给小店做张“买三送一”的海报,凑个九宫格,凡是数量必须对的图,都可能在这儿翻车。

翻车的远不止豆包一家。
有人拿同一句指令跑了一圈,豆包12个,千问12个,可灵12个,GPT的图像模型11个,即梦交出12个半。[6] 另一位把范围扩到9个主流生图模型,提示词写得极严,要求纯浅灰背景、正俯拍、13个白鸡蛋,每颗之间留出可见空隙,画面里不许出现任何杂物,末尾还加了一句“完成前数一遍,必须正好13个”。9个里画对的只有4个,GPT Image 2.6、谷歌的Nano Banana 2.1、Ideogram 4.5、Luma UNI-1。[2]
4比9。
单骂豆包不公道,替豆包喊冤也没意思。这些都是网友各自试的一两次,算不上评测,但方向一致,精确数量是当下主流生图模型的共同短板。早在10月初就有人拿同一道题问过ChatGPT、Gemini和Grok,结论差不多。[8]
那为什么偏偏是13?
超市里的蛋托是标准件,12枚、15枚、18枚。模型见过的鸡蛋照片绝大多数是装满一盒的,你一说“盒子里的鸡蛋”,它先想起那个盒子,再顺手把格子填满。有位用户把整个过程写了下来,只写“盒子里13个鸡蛋”这一句,模型就会自动补满蛋托,5个、10个以内基本不出事,一到十几这个区间就开始漂,12、14、15、18来回跳。[4]

再往里一层,生图模型是把整张画布一次铺满的,手里没有计数器。数量不是数出来的,是看着像出来的。有研究测过这条线,物体一旦超过十个左右,多数模型基本就不再理会提示词里写的那个数字。[8] 这和AI老画不对手指是同一个毛病,一堆挨得近的重复结构,多一个少一个它自己不知道。
知道它为什么错,比知道它错了有用。那些看起来更聪明的改法,一个比一个糟。
给蛋托留空位,写上“其中2个凹槽是空的”,模型理解不了空位。[4] 让它给鸡蛋编号,编号和实物对不上,从1标到13,图里出现了两个3号。[3] 换成红点标记,一数只剩9个。让它按4+4+5摆三排,用户说那你做出来,图里第三排标的是9、10、12、13。全网追着问了一句,11号呢。[8]
在已经生成的图上补一句“再加一个鸡蛋”更糟,局部重绘不是定点添加,它重画那一小块时经常顺手动了旁边,总数越修越偏。[4]

改到第八轮,豆包自己不画了,交出一行文字清单,4+4+5=13。[3]
单独问它13是多少,它答得出来。理解数量、画出数量、核对数量是三件事,它只过了第一件。[8]
有人拿这事说AGI还早得很。这个失望我理解,能写长文能对答如流的模型,栽在十三个鸡蛋上,反差确实大。但按会不会数数给它打分没道理,让它画8个、9个、15个,一次就成。[9] 让它写代码循环一千三百次,一次都不会差。[7] 它缺的不是算数,是手上功夫。
写到这儿有个地方对不上。那份写得最细的提示词,末尾落了一句“鸡蛋排列整齐”。[4] 可9个模型的实测里,画对的那4家有个共同点,蛋摆得歪歪扭扭,谁也不凑整行整列,画错的那些反而个个都想把蛋排齐。[2]
老舅站实测那边。排整齐是它的舒适区,一排齐,它就往标准蛋托那个模板上靠。想让它数对,你得先允许它画得难看一点。

真要一张数量不出错的图,先把容器拿掉。有人试过,同一句指令从“盒子里”改成“桌上散放”,难度立刻下来一截。[5] 提示词可以直接抄,把数量和物体换掉就行。
“白色桌面上随意散放13个白鸡蛋,正俯拍,鸡蛋之间留出空隙,排列不要整齐,不要出现蛋托、盒子或其它任何物体,画面里正好13个鸡蛋。”
再不行就把数和位置一起写死。第一排5个、第二排5个、第三排3个,这么写它几乎一次就过。[9] 差别在位置有没有说死,只说一句“15格的蛋盒里放13个,另外2格空着”,它又崩了,它得自己决定空哪两格。[9] 千问那边换个人试更明显,先画了15个,你告诉它可以有空栏位,它反而画成16个。[10]
还有一条最要紧,别信“已生成”这三个字。豆包有一次一口气给了三张候选,中间那张正好13个,它推荐的却是第一张错的。[10] 它说已补到13个,和它真画了13个,是两回事。
真要一个都不能差,就别让它画。让它写段代码把图生成出来,或者干脆在PPT里拖13个椭圆。[7] 出图之后自己数一遍,这一步别省。
那天点赞最高的一条评论不是骂,是“第17次终于生成了”。[1] 有人猜是免费版才这样,发视频的人回了一句,付费版他也测过,一样。[1] 也有人试出豆包4次才成功,千问和ChatGPT一次就成。[11] 同一天同一道题结果差这么多,谁行谁不行的排名靠不住,能靠住的只有你自己数的那一眼。
它能画对15个,画不对13个。13不是任何一种蛋托的规格,这才是它卡住的地方。
下回要一张数量不能错的图,先把数拆开,把位置说死,画完自己数一眼。
当前文章无评论,是时候发表评论了