大家有没有发现最近新出的多模态模型识图能力越来越差了。比如 qwen3.8 max， kimi-k3

lynn1su · 2026-08-24T10:02:00+08:00

我发现最近的大模型空间理解能力越来越差了，大家有没有这种感觉？比如根据照片推断地址，目前这两个都说的不对，就 gpt-5.6 sol 说对了

111

lynn1su2026-08-24
4150
我发现最近的大模型空间理解能力越来越差了，大家有没有这种感觉？
比如根据照片推断地址，目前这两个都说的不对，就 gpt-5.6 sol 说对了
主楼
keshawnvan2026-08-24
4184
现在重心在 Coding
#1
yulon2026-08-24
46758
现在多模态基本没有空间想象能力，多模态还会分走智商，我做 AI 视频的，如果要 LLM 帮忙自动生成构图，不如给瞎子模型配个识图 tool
#2
lynn1su2026-08-24
4150
@yulon #2
识图 tool 也是用了大模型识别图片吧？
#3
yulon2026-08-24
46758
@lynn1su #3
那肯定啊，只是描述一下，用小参数模型就行
#6
longaiwp2026-08-24
2183
我感觉是因为如果混入太多这类数据，它整个参数会变大，训练难度会增加，并且这类数据还会影响整体的智能水平，所以都没有往多模态去做。
#4
lynn1su2026-08-24
4150
@longaiwp #4
那为啥 gpt 5.6 这类能成啊
#7
oky2026-08-24
2530
以前他们的多模态也是远不如 gpt 的，感觉识别能力差很多
#5
longaiwp2026-08-24
2183
@lynn1su 我觉得是因为人家有足够的算力
#8
mingtdlb2026-08-24
41896
我感觉只有 chatgpt 的靠谱，其他的糊一点就识别不到
#9
clemente2026-08-24
48292
多模态都是胶水 vision 层模型做的
现在的模型都是胶合板没有原生的多模态
#10
clemente2026-08-24
48292
@yulon 配不了的 token 不在一个维度
#11

登录后回复