凌晨上线的豆包 1.6-vision，直接把 OpenAI 还没发布的 GPT-5 拉出来“公开处刑”——我们用 48 小时暴力测试：让模型看 10 张模糊监控截图，它在 3 秒内写出完整时间线并锁定嫌疑人；丢一张外卖小票，它能把商家隐形折扣规则、食材卡路里、甚至发票漏税风险一次性算清。

这个很好理解，缩放、裁剪、旋转、划线都是图片工具的一种。

当下真的幻视我七八年前用OpenCV打比赛，不知道还有没有人记得这张包浆照片，当年但凡是做图像处理的都应该用过来改色、或者丢给CNN（卷积神经网络）来识别。

隔壁GPT5-thinking的识别准确率只有15.4%，能看出来它已经在努力放大细节了，但是每个字的划分区域不够准确导致的错误。

绘线几何｜POINT

刚好提到point，我还给模型们准备了数学几何题，

Seed-1.6-vision在单次思考的过程也不是只会在固定的两点画线的，

point可以随意移动，超长的上下文让它可以一次输出十几张过程图。

GPT5-thinking这波属于是“虚空画线“了，

看来是用的PIL没有定点和连线的功能，

一句话总结就是好用，

实打实的好用，

默认开启的图像工具降低了写提示语的成本，

两两组合还可以完成画线，准点画框、旋转 八倍放大的操作，

求赶紧同步发布到可以直接使用的网页端，

降低使用门槛，

这样我们都可以用上我们自己的，

最好的模型。

@ 作者 / 卡尔

本文由人人都是产品经理作者【null】，微信公众号：【卡尔的AI沃茨】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。

题图来自Unsplash，基于 CC0 协议。