给活动做海报的人大概都懂这种心慌:文案要改、图要出、时间只剩半小时,你让AI"画一盒13个鸡蛋",它秒出一张栩栩如生的图——然后你数了三遍,是12个。
11月18日,#豆包被十三个鸡蛋难倒# 冲上微博热搜。起因很简单:一位网友让豆包生成"盒子里有13个鸡蛋"的图片,画面逼真,数量死活不对,连续十几次纠错仍然未能数清。相关提问当天也登上了知乎热榜。评论区最热闹的猜测是"人工智障",但我把微博、知乎、B站和什么值得买的实测帖与拆解文翻了一遍,发现这事的答案比嘲讽有用得多——它划出了当下AI生图的一条清晰能力边界。
为什么偏偏是13?
一句话版本: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。
拆开说,有两层原因。
第一层,模板惯性。日常见到的鸡蛋盒大多是12枚的标准款,模型优先调取最熟悉的模板。"13"写进提示词,对模型来说是一类语义信号,而不是和画中物体一一对应的指令。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颗鸡蛋无处安放。
第二层,生成方式。主流生图模型是对整幅画面并行完成去噪的,中间没有"多摆一个、点一次数"的环节。它画的是"看起来像一盒鸡蛋的样子",不是"一颗一颗摆鸡蛋"。
不止豆包一家翻车
热搜下面,网友们把各家模型都拉出来实测了一遍(注意,这些是用户自发的一次性实测,不是系统评测):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。
几个细节特别耐人寻味。
一位用户让豆包一口气生成3张图,中间那张其实是数量正确的13颗——但模型"强烈推荐"的偏偏是错误的第一张。它能画出对的,却分不清自己对没对。
还有人发现:13个鸡蛋单独画得出来,一旦要求全部装进一个篮子里就做不到,千问、DeepSeek也一样。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。
连"换个说法"也不灵。有人给千问提出"可以有空的凹槽、13个鸡蛋"的变通要求,它换了容器,生成出16颗。此外,8头驴、指定数量的花朵和小动物,同样被网友列进生图翻车高发区——这是行业共性短板,不是某一家的bug。
不过"所有的AI都不识数"就夸张了。既然有模型能一次画对,也有人追问四五次后拿到了正确结果,说明这是"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。
需要数量准确的图,怎么办
这套热搜留给普通人的,其实是一份可以直接抄走的工序清单。做海报、电商图、教学素材这类"数量必须严谨"的场景,发布前照着过一遍:
- 多抽几张,人来挑。别指望一次出片。豆包那3张图里本来就有一张是对的,问题在于模型自己分不清对错,你的眼睛才是最后一道质检。
- 让会推理的多模态模型逐一点数复核。出图后丢给带推理能力的模型"数一数图里有几个",交叉验证。
- 必要时手动调整。分组排列、后期补一个元素,都比和生图模型死磕十几轮省事。
- 反过来用模板惯性。要求数量恰好是模型熟悉的模板(比如一盒12枚),命中率立刻上升——让它抄它熟的作业。
至于想横向对比各家生图工具的实际表现,我在 spark1 AI家园的工具库 里收录了94个AI工具的入口,按场景分好类,逐个试过去,比看测评文章直观。
AI负责画出"像那么回事",人负责数清"到底几个"。知道了边界在哪,你反而能更放心地把想象力外包给它——该它发挥的地方让它发挥,该你把关的地方留一道工序。从容,从来不是相信工具万能,而是清楚它在哪一格会失手。
评论