豆包被13个鸡蛋难住,反复纠错十几次仍画不对数量——首版画了12个,标编号出现两个“3号”、漏掉“11号”,换红点标记又变回12个,最终放弃生图,改用文字清单“4+4+5=13”交差。看似简单的数数题,卡住的其实是文生图模型“不会逐个计数”的底层机制。
一、翻车经过:从画图到“人机拉锯”
反复纠错循环:网友要求生成“盒子里有13个鸡蛋”,豆包首版画出12个,被指出后声称“已补到13个”但实际仍是12个,数量在12、9、11、15之间来回跳。
花式补救失效:先后尝试无蛋托纸盒、1-13编号、红点标记、平面计数图等方式,编号能标出两个“3号”,红点标记又被模型少生成一个,屡屡回到12个。
最终文字交差:十几次失败后,豆包放弃生图,列出“第一排4个、第二排4个、第三排5个,4+4+5=13”的纯文字清单完成任务。
二、技术根源:扩散模型不“数着画”
生成机制决定:文生图模型靠从海量图像中学到的视觉特征“拼画面”,不是先数清再逐个摆放,画面里的数量只是模仿场景时的附带结果。
12格模板惯性:训练数据中鸡蛋盒多为12格标准装,模型一接到“盒装鸡蛋”指令就下意识收敛到12个,13这种非常规组合容易被“纠正”回去。
数量超过8个易失准:有研究测试显示,物体数量从1-5个增加到11-15个时,模型数量正确率明显下降,13个已超出多数模型的稳定控制范围。
三、行业共性:不止豆包一家翻车
其他模型同样出错:有网友同时用千问、元宝等测试“13个鸡蛋”,同样没能画对,说明这是当前文生图模型的共性短板,而非某一产品的独有缺陷。
AI的边界:语言模型完全能理解“13个”的含义,卡住的是负责画图的扩散模型;能算对和能画对是两条独立的能力路径。
实用建议:涉及精确数量时,可改用分组描述(如“三排,第一排4个、第二排4个、第三排5个”)帮模型把计数转化为摆位任务,或直接使用文字清单、程序生成并辅以人工核对。
本文由AI生成











