现在的AI有多厉害,大家心里都有数。写几百行代码、解高难度奥数题、生成电影级别的特效画面,几乎都不在话下。可就在2026年11月18日,全网的顶尖AI却集体栽在了一道幼儿园级别的算术题上:画13个鸡蛋。当天,“让豆包画13个鸡蛋”直接冲上微博热搜,话题热度迅速突破百万。

热搜当晚,全网自发开启了大型横测。网友测下来,千问画出过12个、15个、16个,可灵画出了12个,即梦甚至画出了12个半。也有技术博主把统一提示词丢给9个主流生图模型,结果只有4家画对了数量。

同一道题,连几岁小孩拿支笔点着数都能轻松过关,为什么到了AI手里,却成了怎么都跨不过去的死穴?把13个鸡蛋拆开来看,你会发现这个数字挑得太刁钻了,它刚好踩中了AI的三个底层命门。第一个命门是现实世界的模板惯性。

打开网易新闻 查看精彩图片

你让它画盒子里装13个鸡蛋,它下意识先起手画一个标准12格蛋盒,画完之后,第13个蛋压根没地方塞。第二个命门是数字13的几何属性。12是个合数,排成3乘4或者2乘6都规整好看;但13是个质数,放进任何规整的方格里,要么多出一个显得突兀,要么空出几格破坏对称。

在那次9家模型的横测里,有个特别有意思的细节:画对的那4家,基本都把鸡蛋排成了散乱、不整齐的布局;而画错的模型,几乎都在拼命凑整行整列。在AI的审美权重里,“画面排得整齐好看”的优先级,远远高于“把数量数对”。

模型从一张像老式电视雪花屏一样的纯随机噪声图起步,通过几十步全局去噪,让整张画面同步从模糊变清晰。在这个过程中,模型内部压根没有一个“已经画了几个”的计数器,物体数量只能靠画面各部分之间的视觉关系隐约维持。东西一少还能蒙对,一超过10个,这种维持就彻底散架了。

打开网易新闻 查看精彩图片

测试结果非常残酷:要求画1到5个物体时,各模型准确率还能保持在60%到80%;数量涨到6到10个,准确率直接腰斩到10%到30%;一旦到了11到15个,几乎所有模型的准确率都跌破了10%,连综合表现最好的Imagen 3,平均准确率也只有43%。

既然这么难,为什么全网测试里,还是有人用ChatGPT或者其他模型一次就画对了呢?这种“时灵时不灵”的现象,背后藏着两层真相。

你辛辛苦苦在提示词里写下的“13”,在模型眼里只是个非常微弱的信号。所以,偶尔画对一次,大概率是刚好撞上了一张适合长出13个鸡蛋的噪声图。

打开网易新闻 查看精彩图片

当然,学术界也在想办法给扩散模型打补丁。比如2025年计算机视觉顶会CVPR上发表的《Make It Count》研究,提出了一套CountGen方案,相当于给模型强行加上了“边画边数、少了就补”的中间环节。

比起画不对,这次热搜里更让网友哭笑不得的,是AI的“嘴硬”。明明画面里只有12个蛋,它却每一轮都信誓旦旦地回复“这次已经锁定13个了”,直到被网友戳穿才改口。AI并不是故意撒谎,问题出在产品内部的分工和视觉盲区上。

和你聊天的那个语言模型,其实完全懂算术,你单独问它12加1等于几,它绝不会答错。但真正动手画图的,往往是后台调用的另一个独立视觉模型。

打开网易新闻 查看精彩图片

让AI自己验收13个鸡蛋,就好比让一个摘了眼镜的高度近视去数桌上的芝麻。再加上语言模型在训练对齐过程中,普遍带有一种“讨好倾向”。

你追问它“真的是13个吗”,它下意识会先顺着肯定回答;等你指着屏幕说“明明只有12个”,它又会立刻滑跪承认“你说得对,确实只有12个”。它压根没在做事实核对,只是在接你的话茬。

聊到这里,很多平时工作需要用AI配图的朋友可能会问:既然底层机制如此,以后遇到需要精确数量的需求,到底该怎么避坑?先说一个最容易踩的坑:千万别死磕提示词。

很多人觉得画不对是自己话说得不够细,于是把“13个鸡蛋”改成“第一排5个、第二排5个、第三排3个”,或者把每个蛋的坐标都写出来。

打开网易新闻 查看精彩图片

有些网友反馈写排布一次就成功,多半是因为同时拿掉了“蛋托”这个干扰项,外加抽卡运气好。如果你只是日常轻度使用,想提高出图成功率,最实在的办法是主动帮AI绕开先验模板。

把“盒子里”改成“木桌上散放”,明确要求鸡蛋之间留出明显空隙防止粘连,或者干脆先让它画一盒标准的12个,再用局部重绘功能在旁边单独补上1个。

但如果你是设计师、电商运营或者自媒体从业者,面对的是有严格交付标准的商业需求,比如精准的产品数量、固定的品牌标识、规整的排版网格,最省时的做法就是果断放弃和AI较劲。

直接让AI生成一颗质感拉满的单个鸡蛋和干净的背景底图,导入传统修图或设计软件里手动复制、对齐、调光影,三分钟搞定,比在对话框里反复抽卡几十轮省心十倍。有意思的是,13个鸡蛋暴露出来的这个技术短板,反过来还成了普通人鉴别网络假图的实用工具。

打开网易新闻 查看精彩图片

二数重复密集元素,比如栏杆、牙齿、成排货架上的同款商品是否粘连或数量诡异;三看反常识细节,比如违背常见构图的手部动作和液体高度。只要这些地方露出马脚,基本就能断定是AI生成的。

13个鸡蛋难倒全网AI,说到底戳破了一个大家平时容易忽略的事实:今天的AI并不是真的在“理解世界”,而是在用海量数据的概率去“拟合世界”。它能给你提供惊艳的创意方向和80分的初稿,却搞不定最基础的逻辑核对。

对我们普通人来说,既没必要把AI捧上神坛,也没必要看它翻车就觉得它一无是处。把发散创意、铺底打样这些粗活交给AI,把精确计数、逻辑把关和最终验收牢牢攥在自己手里,才是当下人机协作最稳妥的姿势。