中文吃饭的时候点开就有了，这思维链我还以为把Gemini的翻译过来了哈哈，测了几道高中原创数学压轴题感觉还可以，而且速度也很快。不说我还真以为是G3P，字节真是越来越强啊。
洗车问题加强版完美过关，有点吓人
11 个赞
哈哈，是概率问题吗 
我试了一下我也做不对了
1 个赞
右侧都没有橘色球 
不过，就算右侧有橘色球的话，视觉模型可以真的比较两个橘色球的大小吗？或者换句话说，从人类的角度来说，怎么判断图中的两个橘色球一模一样大？
1 个赞
感觉豆包是背题的 实际体验就是没那么聪明
2 个赞
每个色块的面积不一样，人类的角度也是根据面积判断啊 你不会是赛博生命吧 
何意味？
圆的面积怎么算？面积公式？图片放大之后，是会看到像素的。只是好奇而已，何必呢。
1 个赞
洗车问题，豆包本来就能完美通关
专家是内测功能吗？羡慕了
没有啊，你更新看看，我一上线就有了
2 个赞
视觉模型除非是在应用端加工具去多轮处理图片和推理，否则从色块面积判断大小这种事还是非常困难的
其实是有像素点的，你放大可以看到哈哈，人类就是通过占地面积直观比较啊，LLM我看Gemini算过，就直接根据同一颜色像素点的多少来呀，也可以调用python算
Gemini做这个问题就不会错，我感觉像豆包背题给自己背傻了 
让它仔细看也能看出来
什么圆的面积怎么算。。一张图分为不同的像素点，橘色圆圈有一定数量的像素点 区分像素点的数量不就能判断了吗？小学应该会教类似的思维吧
1 个赞
像G3P答对加强问题的概率也高很多，所以我感觉还是有点差距，但是还是有G3f的水平了都
1 个赞
对哦好简单，大模型好笨，就这样那样就可以了呀，竟然做不出来！哼！ 
我觉得是因为豆包基础模型和视觉模型不是一起训练导致的，deepseek就是不支持多模态的。。换个有图形理解能力 聪明点的模型就是可以区分的。而且这个解决方法也很简单 上面说了工具链调用python就行了 或者专项训练下
应该是根据像素来的。我们人类可能会用圆的面积公式，或者直观来看。但是对于计算机来说，看像素似乎也不简单，比如这张图从抖音截图的，橘黄色图形可能有锯齿，或者会有边缘的渐变，那么定义哪些像素属于这个圆这件事可能也会有难度。不知道视觉模型处理这类问题的时候是怎么做的。
我感觉可能并不会很简单，一张无损的图片或许是可行的。另外如果直接用python相关库的话，是否属于视觉模型技术范畴？可能也有待研究。不过或许python进行像素相关数据处理，让文本模型给出一些定义或者见解，只要我们人类可以接受，也不失为一种方案。