生成很强，推理很弱：GPT-4o的视觉短板

正文

请到「今天看啥」查看全文

GPT-4o在图像生成时，还是字面理解指令 ，全局重定义、上文设定根本进不到它的“画画脑子”里。

你想让它“灵活变通”，它却只会“忠实执行表面”，这跟人类的小聪明比还差了不少。

02. 图像编辑：浅层语义理解暴露

第二部分测试更有挑战性，研究员让GPT-4o动手编辑图片。

比如，

“只改水里的马倒影为狮子，别动马本体。”

结果AI一出手，马和倒影全变了。

再比如，

“只删掉画面里坐着的人。”

结果站着的背景人也被一锅端了。

这些例子直接暴露了一个问题：

GPT-4o对于“局部修改”“语义限定”这类任务，根本把握不住分寸。

它没法精确地区分“倒影”与“实体”、“坐着”与“站着”，操作经常“过犹不及”，动错地方。

说白了，AI的图像编辑理解，远没达到“人类看图、理解场景”的精细度。

请到「今天看啥」查看全文