豆包悄悄上线的这个新功能，也能用眼睛推理全世界了。 * { margin: 0; padding: 0; outline: 0; } body { font-family: “PingFang SC”, system-ui, -apple-system, BlinkMacSystemFont, “Helvetica Neue”, “Hiragino Sans GB”, “Microsoft YaHei UI”, “Microsoft YaHei”, Arial, sans-serif; line-height: 1.6; } .__page_content__ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .__meta__ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .__meta__ .nick_name { color: 576B95; } .__meta__ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item_show_type_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: 576B95; text-decoration: none; cursor: default; } .text_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture_content .picture_item { margin-bottom: 30px; } .picture_content .picture_item .picture_item_label { text-align: center; } img { max-width: 100%; } .pay_subscribe_notice { margin: 30px 0; padding: 20px; background: fffbe6; border: 1px solid ffe58f; border-radius: 8px; } .pay_subscribe_badge { display: inline-block; padding: 4px 12px; background: faad14; color: fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay_subscribe_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay_subscribe_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .__bottom-bar__ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .__bottom-bar__ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .__bottom-bar__ .right { display: flex; } .__bottom-bar__ .sns_opr_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .__bottom-bar__ .sns_opr_btn:not(:last-child) { margin-right: 16px; } .__bottom-bar__ .sns_opr_btn > img { margin-right: 4px; }
豆包悄悄上线的这个新功能，也能用眼睛推理全世界了。
原创 数字生命卡兹克 数字生命卡兹克 2025-08-07 09:03 北京
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。
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。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
>/ 作者：卡兹克、水杉
>/ 投稿或爆料，请联系邮箱：wzglyay@virxact.com
数字生命卡兹克
 阅读 赞  分享 ‘%3E %3Cg transform=‘translate(0 -2.349)‘%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=‘%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ’ fill=‘%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言