11月18日,有网友让豆包生成一张「盒子里13个鸡蛋」的图片,模型改了好几轮、十几次纠错都没数对,最后放弃画图,改用一句4+4+5=13的文字清单交差。这道题随即在多个平台掀起同题重测。把微博、知乎、小红书、抖音、B站网友一个半月以来的实测记录整理成九款主流模型的台账后,答案其实很清楚:至今没有任何一款模型被证实能「稳定」画对13个鸡蛋——所谓一次画对,全部出自单次的个人测试,而同一款模型在不同人手里,结果甚至互相矛盾。微博微博知乎

先说口径:所有记录都是一次性的个人实测,不是统一条件下的系统评测。但也正因为人人话术不同、次数不同,这份台账更接近普通用户真实遇到的稳定性。知乎
九款模型的成绩单:谁会错、错成什么样
豆包:热搜主角,翻车路径最有代表性。首轮一盒12个,让它补,它说补到了、再数还是12;换成编号锁定,图里出现了两个「3号」;换成红点阵,一数只剩9个。有人复测直接拿到14个。也有人磨到第六次才画对。能对,但不稳。知乎微博小红书
千问先画了15个,被告知「可以有空的栏位」后反而变成16个;Kimi则是台账里唯一一条「一次画对13个」的记录。知乎
元宝:一条抖音实测把豆包、千问、元宝、GPT、Gemini、Grok六款一起测,结论是无一数对。抖音
可灵:小红书一条同指令合集实测里,它是一盒规规矩矩的12个。即梦在同一条合集里甚至交出过「12个半」。小红书
国外三款的结果互相打架。GPT:有科技博主晒出GPT-image过关、Gemini「失败不过还掩饰了一下」的截图。但在小红书网友的实测里,GPT只画了11个。Gemini则在一位知乎用户的测试里「基本上一次就对了」。Grok早在10月初就被连同ChatGPT、Gemini一起测过,「结论高度一致」。B站在10月3日就有了那条六十万播放的《用不同AI生成13个鸡蛋有多难》。同一款模型,十月全错、十一月有人一次就对,这恰恰说明「稳定」二字还没有人拿得出。微博知乎知乎哔哩哔哩

它认识13,但它没有「数」这个动作
多位技术向网友的解释高度一致:主流生图模型走扩散路线,整张图在一堆像素里并行去噪「显影」,出图前并没有一个数数的步骤。模型读到提示词里的「13」,理解成「大概十几枚」的模糊概数,而不是严格等于13。微博知乎
模板惯性还要帮倒忙:现实蛋盒以12、15、18格最常见,训练数据里又多是一盒装满的样子,模型有很强的动力把格子填满。知乎
有个细节很说明问题:换个数,比如8、9或者15,豆包反而常常一次画对。知乎
把13拆成「第一排5个、第二排5个、第三排3个」这种空间指令,豆包几乎能一次做对。可一旦要求「15格的盒子里留2格空的」,它又翻车——难点也许不在13这个数,而在画出一个「没有鸡蛋的位置」。它既要表达13枚的存在,还要表达两格空位的「缺席」,后者更接近它没学过的东西。知乎
研究界其实早就盯上了这个问题。有知乎用户梳理过多篇论文:2025年一篇名为《Text-to-Image Diffusion Models Cannot Count, and Prompt Refinement Cannot Help》的研究发现,物体数量越多、准确率越低,且仅靠修改提示词难以根治。知乎
NumBench基准用64万个提示词覆盖1至100个物体的生成,呈现同样的规律:数量越多准确率越低,而规则网格往往能改善。另有实测帖引述一项称发表于ICML 2026、来自复旦大学与上海创智学院等机构的研究:数量词属于在模型深层最先变得不可恢复的信息,物体超过约十个后多数模型基本不再跟随提示里的数字,把目标数字直接写进初始噪声网格,可把数对比例从约4%提升到约59%。需要坦白的是,这些精确数字均为博主转述,本文未能核对论文原文,只能作参考性证据。知乎知乎

对普通用户,真正有用的是三条规则
第一,把「精确」和「氛围」分开。构图、光影、质感尽管交给模型,但数量、编号这类要求必须事后自己核验——模型回复「已补到13个」和它真的画了13个,是两回事。知乎
第二,话术能改变单次成功率,但别指望它兜底。有人给出的锁死写法是把数量写进空间结构:15个凹槽、13个放蛋、2格留空、俯视逐个可数。这与「修改提示词不能从根本上解决」的研究结论并不冲突:它是提高概率,不是获得保证。微博
第三,真要精确数量,别让模型「画」,让它「复制」,或者干脆交给确定性工具。13枚鸡蛋最稳的办法是生成一枚、在画布上复制13份;算数题直接用画图工具摆13个椭圆,完全不会错。被网友归因为GPT-image「明显更强」的路线也属同思路:先用Agent做语义理解和拆解,再让生图模型执行。外层负责数数,图模负责画面——这才是「画对13个鸡蛋」在今天的正确打开方式。知乎微博
回到标题的问题:九款模型,一个半月的公开实测里没有一个被证实「稳定画对」。与其等各家连夜公关,不如留一个任何用户随时能复测的验收信号——下次模型更新后,连测13、25、99三个数。三轮都不失手,才值得把「计数准确」写进它的更新公告。
当前文章无评论,是时候发表评论了