2025年8月7日星期四

豆包悄悄上线的这个新功能,也能用眼睛推理全世界了。

把o3的价格又打下来了

上周我写过一篇AI产品自用分享,当时我说,AI知识问答方面,我会选择openai o3和豆包。

PC场景下,o3比较多,而手机场景下,我用的比较多的还是豆包。

虽然ChatGPT也有app,但一旦手机开了魔法,微信啥的还有一些其他的应用,就很容易卡,非常的不方便。

所以我前两天在上海逛ChinaJoy的时候,看到一些忘了的图,或者是我不懂的梗,我都是随时随地问豆包。

图片

比如这个暴雪展上巨大的泰瑞尔,当时跟朋友大眼瞪小眼,忘了是个啥,然后掏起了豆包就开始问。

然后我就发现,这个豆包,又双叒叕更新了。

更新了图片的视觉推理。

不愧是我群的高频讨论对象。。。

图片

就是当你开着这个深度思考模式,再上传图片的时候,豆包就能对这个图片展开思维链推理了。

图片

我给你们直接放个实例看看。

比如我刷ChinaJoy视频,看到了一个特别抽象的黑人哥们儿,念哪吒的打油诗念的头头是道的。

图片

我想知道他是谁,就在豆包的深度思考模式下上传了一张他的视频截图,然后问豆包。

图片

然后豆包就开始刷刷刷分步思考。

图片

先是找了参考图片,然后又根据返回的结果搜索关键词和参考资料。

图片

最后,给了我一个准确的结果。

图片

如果ChatGPT玩的比较多的,应该就能非常熟悉了。

这不是o3最独特的那个视觉推理。

图片

豆包,也终于上线了这个视觉推理功能,牛逼。

而且,o3要钱的,而豆包,免费。

豆包还是牛逼。

也用这个功能,给大家测一些好玩的。

我想到的第一个case,就是德爷。

与贝爷齐名的荒野求生硬汉,最近来中国了,这阵子在深圳。

图片

热情好客的中国朋友,本着来都来了大过年的都是孩子都不容易的原则,生生把德爷的荒野求生变成了满汉全席。

视频里他们吃的那家饭店,我还挺想吃的,但点进评论区,居然没人说是哪家。

这届网友不行。。。

所以我就去问豆包了。

(是为了测试,并不是因为我馋。)

我扔给豆包几张截图,然后问它,这是哪家店。

图片

它就开始思考了。

先确定这里是深圳。

盘子上有汉字,可能是店名。

视频发布者是德爷。

图片

然后按照自己的推测,开始放大盘子,查看汉字。

给我看懵了,这么小的字,它居然都给认全了。

图片

给我的结果,就是旺吉利海鲜大排档。

图片

上大众点评一搜,真是这家店,往下一翻,卧槽,德爷跟店家的合照就明晃晃在店家动态里挂着。

图片

单说豆包,可能还感受不到差距。

但我放个失败的案例你们就明白了。

图片

把地址认成了北京,还说了一堆片儿汤话,最后也没给答案。

差距是拉开了的。

我们再来看一个德爷的案例。

最近他在深圳刷了一天盘子。

因为白吃了人家的牛杂,被抓去做劳力。

图片

我就把德爷刷盘子这个图片发给豆包,问它这是哪家店。

它开始放大图片看细节。

图片

文字信息不全,它也会自己脑补,最终得出了准确的答案。

图片

还有更好玩的,我把一张表情包发给它,问它出处是什么,它也是张口就来。

比如这两个表情包,一只骚气的鸡和一只尴尬但不失礼貌的猪。

图片

豆包给我的回答,是这样的。

图片

然后我才知道,这个鸡和这个猪,分别来自于太太乐鸡精和双汇火腿肠。

论当代网友的精神状态。。。

豆包甚至认识所有的奥特曼。

这是爱迪。

图片
这是盖亚。
图片

对于甄嬛传也是烂熟于心,给它看一张图,它就知道是哪个名场面,还能精确到集。

图片

这在某种程度上,其实已经有点超越人类了。。。

除了搞抽象,干正事儿也不耽误。

这是考公都要面对的行测题。

图片

豆包思维链那一栏刷刷刷跑了巨长,最后得出结论,这是一个关于对称的问题,然后选了B。

它答对了。

这道更复杂一点的题,也答对了。

图片

还有这种考眼力的题目,我一看头都晕,但豆包飞快地把F给找了出来。

图片

我还考了它一个高难度问题,就是把宗庆后的全家福发出来,让它认。

一顿截图推理之后,结果是这样的:比较重要的人物,宗庆后,妻子施幼珍,女儿宗馥莉,爷爷宗启騄,奶奶王树珍,都对上号了。

图片

不过,豆包的深度视觉推理当然也有软肋。

遇到这种六个手指的问题,它还是会信誓旦旦地说出五个手指。

图片

还有,把我的照片给它让它识别,它一次把我识别成了电竞选手,还有一次说我是电视剧三体的总导演。

到处碰瓷,把我给吓得。。。

图片

不过这俩其实都还好,毕竟六根手指是现在所有大模型都绕不过的幻觉。

而我的形象也并没有在网上大范围流传,它不知道也正常。

总的来说,我觉得豆包这个功能,还是挺实用的。

把o3的视觉推理直接免费平权,用着也很方便。

还有我一个,我觉得非常酷的事。

就是,我在忙到爆炸的间隙出去看了一部一直都很想看的电影,《浪浪山小妖怪》。

我真的非常非常非常喜欢这部电影。

讲的是一群被上司压榨多年无法晋升的小妖怪,决定搏一把大的,冒充唐僧师徒去西天取经。

一路上这支散装队伍吵吵闹闹的路过了很多风景。

那些风景,在熹微的晨光或是朦胧的夜晚,静默地注视着这群心怀热血的小妖怪,看他们到底能不能把这个充满规则和潜规则的世界,搅得天翻地覆。

答案当然是不能。

故事中的一段,他们来到了这个场景。

图片

我一看,好眼熟啊,好像在黑神话里见过,但我忘了是哪了。

然后一出影院我就问豆包,这个场景是哪,它很快的给了我回答: 佛光寺。

图片

我就说嘛,这是大圣去过的地方。

在电影里,几个小妖怪真在这个地方,见到了大圣。

小妖怪冒充唐僧师徒,但大圣没有杀小妖怪,而是给了他们,四根保命毫毛。

所以搜出来答案的那一刻,我感觉黑神话和浪浪山真的梦幻联动了,不只是场景。

还有内核,那种属于中国人骨子里的侠义情结,对命运的抗争,对苍生的悲悯。

然后我就觉得,这种快速把知识、线索串起来,然后电光火石间有所领悟的感觉太爽了。

这种知识丝滑进入脑海的方式。

可能就是我们未来与AI沟通的常态了。

当你有所想。

AI,便有所应。

以上,既然看到这里了,如果觉得不错,随手点个赞、在看、转发三连吧,如果想第一时间收到推送,也可以给我个星标⭐~谢谢你看我的文章,我们,下次再见。

>/ 作者:卡兹克、水杉

>/ 投稿或爆料,请联系邮箱:wzglyay@virxact.com

没有评论:

发表评论

豆包悄悄上线的这个新功能,也能用眼睛推理全世界了。

把o3的价格又打下来了 上周我写过一篇AI产品自用分享,当时我说,AI知识问答方面,我会选择openai o3和豆包。 PC场景下,o3比较多,而手机场景下,我用的比较多的还是豆包。 虽然ChatGPT也有app,但一旦手机开了魔法,微信啥的还有一些其他的应用,就很容易卡,非...