一张虾的图片,让海内外多个大模型集体翻车。Berryxia.AI(@berryxia)发起了一次计数实验:把图片交给各家大模型,让它们数清楚里面到底有多少只虾。

结果并不理想。推文给出的结论很直接——海内外模型居然都数不对,没有一个能稳定给出正确答案。

唯一的例外是一个模型。它数对了,而作者特意留了个悬念:这个模型是谁,读者绝对想不到。推文没有直接点名,只留下这句暗示。

这场实验指向的问题很具体:细粒度视觉计数。对模型来说,识别图里"有虾"不难,难的是逐只数清楚。数量一多、目标一密集,计数就成了当前视觉语言模型的一道坎。

作者在推文里抛出的原话是:"用你的大模型都去数一下图片中有多少只虾?"这句话本身就是一个可复现的测试入口——换一张图、换一个模型,结果未必相同。

至于那个唯一数对的模型为何能命中,推文只给了一个方向性判断:它可能在特定数据分布或训练方式上与众不同。这一点被作者视为有学习价值,但没有展开更多细节。

一次数虾实验,测出的不是谁更聪明,而是模型能力边界落在哪里。细粒度计数这类任务,目前仍是多数模型的盲区。