什么值得买App下载 App ›
连续签到专享现金活动

豆包画不对13个鸡蛋:它认识13这个数字,但文生图模型没有“摆一个数一个”的环节

11月18日,有网友让豆包画“盒子里13个鸡蛋”,豆包连续十几次纠错仍没能数清,冲上当天热搜。记录显示它改了七八轮,每一轮都说“这次锁定了”,每一次都没数对,最后干脆认输,建议别做图了、改用文字清单。知乎微博知乎

把实测截图按回合排开:第一次出图一盒12个;要求补上,它回复“已补到13个”,再数还是12个;换成编号锁定,图里出现两个“3号”;换成红点阵,只剩9个;最后它自己端出的4+4+5三排方案,真做出来时第三排从10直接跳到12,于是有了那句被全网追着问的话——“11号呢?”。知乎

豆包画不对13个鸡蛋:它认识13这个数字,但文生图模型没有“摆一个数一个”的环节

它读得懂13,但出图环节没有“摆一个数一个”

翻车的关键,是把这道题拆成了三步:理解数量、画出数量、核对数量,模型只在第一步及格——单独问它“13个鸡蛋是多少”,几乎不会答错,栽的是把数字变成画面的那一步。至于画画那一半,豆包自己也给出了归因:它在训练里学的是视觉风格、物体长什么样和场景氛围,没有内置计算器,不会像人一样先预留位置、放一个记一个。知乎知乎

机制再往深一层:主流文生图走的是扩散路线,整幅画面是并行“显影”出来的,中间没有“先摆一个、再摆一个、最后点一遍数”的环节。“13”被模型读成“数量大概十几个”的模糊概数,而不是严格等于13。改来改去,画面里的数就在12和9之间来回漂。知乎知乎微博

在这之上还有先验帮倒忙:鸡蛋包装盒大多是12格、15格、18格的标准蛋托,AI见过最多的就是装满的蛋盒,惯性倾向把格子填满。知乎微博

研究侧还给出了更深的解释:一项由复旦大学与上海创智学院等机构发表在ICML 2026的研究指出,多模态扩散架构里随着网络层数加深,文本分支中原本可恢复的词级信息会逐渐变得不可恢复,数量词恰恰是最容易先被“忘”掉的那类;厂商并未披露具体机制,这属于研究侧的解读。知乎

不是豆包一家的问题,是主流文生图的共性短板

网友的跨模型实测几乎全军覆没在同一个蛋盒上:有人让豆包、元宝、千问分别生成13个鸡蛋,“他们都没有做对”。也有人去豆包复测,发现“其实可以画出十三个就是不能同时装进篮子里”,千问和DeepSeek同样做不到。知乎技术作者的梳理是: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则一次画对了13个;10月初就有人拿同一道题问过ChatGPT、Gemini和Grok,结论高度一致。这些都还是一次性的个人实测,不是系统性评测,但方向足够清楚:精确数量控制是当前主流文生图模型的共性短板,不是某一家产品的偶发故障。微博小红书微博知乎

同一条研究线还给出了量级佐证:纯文字提示时人工核对能数对的比例约4%,把目标数字以噪声网格写进初始隐空间后升到约59%,而且物体超过约十个,多数模型就基本不再跟随提示词里的数字——和常被吐槽的“AI画不对手指”是同一个病。知乎

豆包画不对13个鸡蛋:它认识13这个数字,但文生图模型没有“摆一个数一个”的环节

要让数量准,别让它“画”,让它“复制”

知道它不会数,不是否定它,而是把它用在对的位置:构图、光影、质感交给模型,数量和确切数字从它手里拿走。需要精确数量的图,最稳的办法是先让模型生成一个鸡蛋,再在画布上复制13份,而不是逼它一次数到位。别轻信它说“已补到13个”——口头补上和画面里真摆了13个是两回事,越是要精确的场合越要先数一遍再采信。这场热搜里真正让翻车收场的,也不是模型变聪明,而是那个愿意较真、把鸡蛋逐个数一遍的人。知乎

评论

评论区空态插画

当前文章无评论,是时候发表评论了