2. V2EX
  3. 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

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 2026-08-24 10:02 1
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
最新回复 (11)
  • keshawnvan 08-24 11:27
    1楼
    现在重心在 Coding
  • yulon 08-24 11:35
    2楼
    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
  • lynn1su 楼主 08-24 11:40
    3楼
    @yulon #2 识图 tool 也是用了大模型识别图片吧？
  • longaiwp 08-24 11:51
    4楼
    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。
  • oky 08-24 11:57
    5楼
    以前他们的多模态也是远不如 gpt 的，感觉识别能力差很多
  • yulon 08-24 12:57
    6楼
    @lynn1su #3 那肯定啊，只是描述一下，用小参数模型就行
  • lynn1su 楼主 08-24 14:05
    7楼
    @longaiwp #4 那为啥 gpt 5.6 这类能成啊
  • longaiwp 08-24 14:08
    8楼
    @lynn1su 我觉得是因为人家有足够的算力
  • mingtdlb 08-24 14:12
    9楼
    我感觉只有 chatgpt 的靠谱，其他的糊一点就识别不到
  • clemente 08-24 15:06
    10楼
    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
  • clemente 08-24 15:15
    11楼
    @yulon 配不了的 token 不在一个维度
* 帖子来源V2EX
附近帖子
返回
飞读
随机推荐