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

• 请不要在回答技术问题时复制粘贴 AI 生成的内容

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

11 replies • 2026-08-24 15:15:22 +08:00

keshawnvan

18h 52m ago

现在重心在 Coding

yulon

18h 45m ago

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

18h 39m ago

@yulon #2 识图 tool 也是用了大模型识别图片吧？

longaiwp

18h 29m ago

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

18h 22m ago

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

17h 22m ago

@lynn1su #3 那肯定啊，只是描述一下，用小参数模型就行

lynn1su

16h 15m ago

@longaiwp #4 那为啥 gpt 5.6 这类能成啊

longaiwp

16h 12m ago

@lynn1su 我觉得是因为人家有足够的算力

mingtdlb

16h 8m ago

我感觉只有 chatgpt 的靠谱，其他的糊一点就识别不到

clemente

15h 14m ago

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

15h 4m ago

@yulon 配不了的 token 不在一个维度