我本来想通过Qwen2.5-VL-72B-Instruct识别数学题目，然后让deepseek来回答，没想到一上来，qwen就自己做了，还做了个错的。
后面喊他好好描述清楚，结果他想了个好主意，用图形来表示，只是，想法很好，识别的东西不对啊。当我复制给deepseek的时候，ds估计也是蒙圈的。
但是他做对了，就很离谱！
题目：
11 个赞
这个题目很有意思，测试了gemini （2.0-flash 001），也是直接二话不说 做成 D
让它仔细描述下题目，结论就很接近
从正面看，应该看到一个类似于 “L” 形的排列，底部是三个正方形，左边和中间的正方形上方各有一个正方形
也用英语测试下，这个模型确实看不懂
可能是对正方体的识别不准确？
后续：很有趣的是，当我在网页端使用qwenvl问的时候，他就可以回答正确。
要多试几次，一次正确也不能代表每次都正确
sota o1图像识别能力也不咋的，还是老老实实用文字吧
这么厉害
1 个赞
能识别 cube ，但是对 column 和 row 的理解是混乱的，且相互矛盾，（在英语里面，不像中文的行，列，是比较确定的，column 是竖的，row的横的，能比较清晰看出问题），可能 目前这个 3维的几何问题，对大模型 都算是比较难的
这题怎么会错呢
1 个赞
厉害 
对啊，按说是不应该的。
有可能，但是看谷歌、网页端都可以的。
1 个赞
感觉以后针对大模型的测试，还是要多试几次才能看出是不是真的能做对。
ai的多模态对于识别图像很差劲，比如说电路图，很难分析正确。最好还是用自然语言准确描述出来。