o3猜照片位置深度思考6分48秒，范圍精確到“這么近那么美”

夢(mèng)晨 2025-04-27 14:12:50 來(lái)源：量子位

夢(mèng)晨 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

ChatGPT新玩法，讓程序員大佬Simon Willison直呼太反烏托邦了，像科幻突然變成現(xiàn)實(shí)：

只需一張照片，靠帶圖深度思考就能猜出地理位置。

這種玩法很簡(jiǎn)單，隨手拍一張風(fēng)景，沒(méi)有任何明顯的地標(biāo)即可，也不需要復(fù)雜的提示詞，只需要問(wèn)“猜猜這張照片是在哪里拍的？”（需要o3/o4-mini的帶圖思考，先關(guān)閉所有記憶功能）。

只見(jiàn)ChatGPT從山看到植物，從建筑細(xì)節(jié)分析到車輛，運(yùn)行代碼截取放大車牌數(shù)次。

最終得出結(jié)果，離準(zhǔn)確答案只差200-300公里，相當(dāng)于從北京到河北，這么近那么美。

ChatGPT的策略是先猜個(gè)大概，再根據(jù)畫(huà)面細(xì)節(jié)一步步縮小范圍鎖定結(jié)論，給出的依據(jù)如下：

首先車牌是加州樣式→基本確定在加州。

很多加州常見(jiàn)植物和標(biāo)志性藍(lán)天→典型的加州中部沿海植被和氣候。

低矮的淡色海灘小屋，配有白色尖樁籬笆和繩索和柱子搭建的露臺(tái)欄桿→圣克魯斯和皮斯莫之間的海灘小鎮(zhèn)的常見(jiàn)建筑。

城鎮(zhèn)后面連綿起伏的綠色海岸山脈（沒(méi)有高峰，沒(méi)有雪）→符合圣盧西亞/圣克魯斯沿海丘陵。

最終ChatGPT給出結(jié)論：

綜合起來(lái)，這張照片指向一號(hào)公路邊上的一個(gè)小村莊。村舍林立，背靠群山，頗有加州坎布里亞?（莫羅灣和卡尤科斯以北）的風(fēng)情。我猜你是在坎布里亞西村的一家咖啡館露臺(tái)上拍的這張照片，離月光石海灘大道大概一兩個(gè)街區(qū)遠(yuǎn)。

（如果我錯(cuò)了，備選答案是半月灣到更北邊的埃爾格拉納達(dá)，但坎布里亞是我的第一直覺(jué)?。?/p>

正確答案正是在埃爾格拉納達(dá)附近的一家露天酒吧里拍的，ChatGPT只靠一小段道路、一棟無(wú)名的房子和背景中的小山猜得非常接近。

看到這里，論壇上專門(mén)玩猜照片位置的競(jìng)技級(jí)玩家也不得不服氣，承認(rèn)AI能記住的信息遠(yuǎn)超人類大腦能力。

一張照片裁剪放大25次

作者Simon Willison分享了完整的對(duì)話記錄，包括6分鐘的完整深度思考記錄。

雖然ChatGPT能猜得很接近，但過(guò)程還是很波折。

首先是一個(gè)開(kāi)幕雷擊，AI突然“瞎”了認(rèn)為自己無(wú)法直接看到圖片。

可能是訓(xùn)練數(shù)據(jù)包含太多之前單模態(tài)語(yǔ)言模型的數(shù)據(jù)太多了，不過(guò)絲毫不影響后面繼續(xù)發(fā)揮。

現(xiàn)瀏覽一下整體，ChatGPT心里就已經(jīng)大致有數(shù)，后面都是尋找證據(jù)。

放大車牌這一步動(dòng)用了代碼工具，

基本鎖定了加州作為大方向，開(kāi)始進(jìn)一步分析細(xì)節(jié)。

接下來(lái)反復(fù)裁剪、放大照片的某個(gè)區(qū)域，思考它所看到的內(nèi)容，將其與之前的觀察結(jié)果進(jìn)行比較，然后再次裁剪、放大和分析。

它就這樣持續(xù)思考了6分多鐘，期間也有裁剪錯(cuò)位置。

不過(guò)每一次都能退回上一步重來(lái)。

在深度思考的結(jié)尾，ChatGPT甚至嘗試把范圍縮小到一個(gè)具體的餐廳。

整個(gè)過(guò)程看下來(lái)，作者Simon Willison懷疑模型的視覺(jué)輸入分辨率很低，所以裁剪到更靠近車牌的位置會(huì)對(duì)思考過(guò)程產(chǎn)生重大影響。

但對(duì)一張照片裁剪操作25次還是有些夸張了。

o3不是唯一一個(gè)能根據(jù)照片猜測(cè)地理位置的AI模型，但它的獨(dú)特之處就在于工具使用被集成到推理階段。

預(yù)計(jì)其他模型開(kāi)發(fā)商也會(huì)跟進(jìn)這個(gè)特性。

后面Simon Willison還發(fā)現(xiàn)一點(diǎn)小疏忽，ChatGPT應(yīng)用其實(shí)能獲取使用者的大致位置信息，可能是為了改進(jìn)聯(lián)網(wǎng)搜索結(jié)果加上的。

不過(guò)這不影響試驗(yàn)的結(jié)果，如果ChatGPT知道位置信息，就不會(huì)把真正的答案埃爾格拉納達(dá)放到備選結(jié)果里。

為了驗(yàn)證這一點(diǎn)，作者還試驗(yàn)了兩張?jiān)跀?shù)千公里外旅行時(shí)的照片，且通過(guò)截圖抹除照片的EXIF信息，o3也都猜對(duì)了。

試試你能不能猜出來(lái)這兩張照片分別在哪里？

ChatGPT悄悄更新，但是不知道更新了什么

就在這半個(gè)周末，ChatGPT再次悄悄更新，GPT-4o的智力和個(gè)性都得到升級(jí)。

不過(guò)只有奧特曼的一句話，到底更新的是APP呢還是API呢還是都升級(jí)了呢，還要靠員工來(lái)補(bǔ)充：只有ChatGPT應(yīng)用上升級(jí)了。

OpenAI這種越來(lái)越不透明的現(xiàn)象也被更多人批評(píng)。

更詳細(xì)的信息（也不太詳細(xì)）發(fā)布在ChatGPT幫助中心的更新日志里。

有人感覺(jué)到GPT-4o升級(jí)之后有什么變化么？歡迎在評(píng)論區(qū)分享。

參考鏈接：
[1]https://simonwillison.net/2025/Apr/26/o3-photo-locations/
[2]https://news.ycombinator.com/item?id=43803243
[3]https://x.com/sama/status/1915902652703248679
[4]https://help.openai.com/en/articles/9624314-model-release-notes