近日,有网友发帖称,让豆包画13个鸡蛋,豆包多次出错,“当场认错就是不改”。随后,元宝、千问等AI工具也被指存在类似情况,相关话题冲上热搜。为何AI大模型画不出13个鸡蛋?19日,上游新闻(报料邮箱baoliaosy@163.com)记者实测并联系了多个AI工具的客服进行了了解。
记者实测:要13个鸡蛋画出12个
19日,记者用豆包、元宝、千问等AI工具进行尝试。输入“帮我生成13个鸡蛋”后,豆包生成的图片中却是整齐排列的12个鸡蛋。随后记者输入“生成14个鸡蛋”,豆包分析称“我会在上一版基础上增加一个鸡蛋”,但最终生成的画面中却是13个鸡蛋。

豆包生成结果有误。网络截图
记者又让豆包尝试生成14支玫瑰花、14个篮球,最终生成图片中物体的数量均与要求数量不匹配。记者再用元宝、千问等AI工具尝试,也均出现错误。记者在尝试中发现,只要生成图片内容涉及精确数量,图片都可能出现误差。
AI自述:会“画得像”,不会“计数”
针对“为何AI生图在做具体数量东西的图片时数量总是出错”,豆包回答称,这个问题特别常见,核心原因是AI绘图底层天生不擅长“计数”。AI本质是画“看起来像的图案”,不是记账。大模型生图学习大量图片的纹理、布局、光影,学的是“一堆鸡蛋、一排篮球”这种视觉风格,没有内置计数器,“它理解‘很多鸡蛋’,但不会像人一样1、2、3……强制画够14个。它优先保证画面好看、自然,数字只是一个参考描述,不是硬性代码约束。”

豆包生成结果有误。网络截图
豆包小助手也回应称,当前文生图模型对画面里物体的精确数量控制能力有限,生成结果不一定能严格按照“13个鸡蛋”这样的精确数量呈现,这是模型本身的特性,不是功能故障,“用户可以尝试换一种描述方式,比如用‘一打鸡蛋’这类更偏向整体的表述,或者分批次生成,更容易得到接近预期的效果。”
客服回应:模型可能不准确,将反馈工程师
19日,记者致电豆包客服。客服表示,豆包生成内容可能存在不准确的地方,会不断优化模型,并会将相关建议带给工程师作为重要参考。客服还建议记者尝试开启另一个对话窗口或专门入口生成图片,称或许更能听懂指令。不过,记者按照提示尝试后,豆包仍不能准确生成13个鸡蛋。客服表示,模型多多少少会存在不准确的地方,会反馈给工程师,至于出现错误的底层逻辑,需要向工程师进一步了解。

豆包生成结果有误。网络截图
记者致电千问客服,工作人员表示,此前也有用户反馈过相关问题。工作人员解释称,AI偶尔会出现理解偏差,可以尝试将指令描述得更具体、完整一些,例如多次强调数量,也可以更换其他模型或新建一个对话。
专家分析:AI缺的是“逐个对应”的计数能力
重庆师范大学智能与认知实验室(重庆市重点实验室)副主任高桓分析认为,问AI“这张照片里有几枚鸡蛋”(原理类似让AI模型生成包含具体数量物体的图片),AI得先从画面里把每一个“1”找出来。其次,AI看图时,还要解决“哪一枚算过了”的问题。高桓介绍,许多能看图的大模型会把照片分成许多小块,从中提取颜色、轮廓、明暗等线索,“一枚完整的鸡蛋可能横跨好几块,一小块里也可能同时出现两枚蛋的边缘,模型得先把这些线索拼起来。若漏认了后面那枚,最后就可能把14报成13。”

元宝生成结果有误。网络截图
高桓表示,模型能说出“大约十几个”,却说不准到底几个,是因为判断大概多少可以利用整幅画面的线索,而精确报数需要把每枚蛋和一个数对上号。研究者曾让一款千问开源视觉模型数测试图片里的物体,每张有10到20个。直接看整张图时,模型正确率是10.0%;在图上加线把画面分成四个区域后,仍只问总数,正确率升至50.4%。
从记者实测和多方回应来看,精确数量控制仍是当前部分文生图模型的短板。用户若对生成图片中物体数量有严格要求,可尝试更具体的描述、分批生成或更换模型,厂商也表示将收集反馈、持续优化。
上游新闻记者 李坐廷 实习生 郭彬悦
编辑:徐远哲 责编:周尚斗 审核:王蓉
【免责声明】上游新闻客户端未标有“来源:上游新闻”或“上游新闻LOGO、水印的文字、图片、音频、视频”等稿件均为转载稿。如转载稿涉及版权等问题,请 联系上游 。





