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]

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

[keshawnvan]

现在重心在 Coding

[yulon]

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]

@yulon #2 识图 tool 也是用了大模型识别图片吧？

[longaiwp]

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]

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]

@lynn1su #3 那肯定啊，只是描述一下，用小参数模型就行

[lynn1su]

@longaiwp #4 那为啥 gpt 5.6 这类能成啊

[longaiwp]

@lynn1su 我觉得是因为人家有足够的算力

[mingtdlb]

我感觉只有 chatgpt 的靠谱，其他的糊一点就识别不到

[clemente]

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]

@yulon 配不了的 token 不在一个维度