豆包悄悄上线的这个新功能，也能用眼睛推理全世界了。

豆包悄悄上线的这个新功能，也能用眼睛推理全世界了。

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。

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。。。

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。

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。

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。

然后豆包就开始刷刷刷分步思考。

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。

最后，给了我一个准确的结果。

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。

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。

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。

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。

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。

给我的结果，就是旺吉利海鲜大排档。

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。

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。

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。

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。

文字信息不全，它也会自己脑补，最终得出了准确的答案。

添加图片注释，不超过 140 字（可选）

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。

豆包给我的回答，是这样的。

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。

这是盖亚。

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。

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。

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。

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。

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。

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。

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。。。

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。

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。

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。

文章来自公众号“数字生命卡兹克”，作者“卡兹克”