Hi，我想先請你只看下面這張照片，推測它的拍攝城市：
這是一類叫做「網絡迷蹤」的推理游戲：只看照片，判斷拍攝地點的位置，距離越近，得分越高。
游戲過程是這樣的 ：
太適合測試 AI 的視覺推理能力了。
完美模擬了人類玩家的視覺推理過程：
- 精準識別視覺元素：解讀路牌文字、辨認植被類型、分析建筑風格特征；
- 調用知識儲備：判斷特定電線桿造型屬于哪個國家或地區；
- 以及多層次線索整合推理。
要想在這個游戲中取得好成績，AI 們必須同時發揮其視覺識別、模型知識、邏輯推理的最大潛能。
當 AI 答題結果被標注在地圖上后，它們之間的智力差距也就一目了然。
比單一維度的 Benchmark 跑分，能更有趣、直觀地看到模型的差距。
所以我拉上了國內外 5 個頂流多模態推理模型，一起來做了這項比賽。
你猜，誰是視覺推理 AI 之王？
更多AI模型測評：
簡單介紹「AI 網絡迷蹤」賽制
本次比賽的參賽選手如下：
注：DeepSeek-R1 其實不支持多模態（視覺識別），故不參加比賽。
比賽規則很簡單：
① 共 5 道題目，每題提供同一位置兩張不同拍攝方向的照片（題源：圖尋-每日挑戰-全球 04/20）
② 通過統一的比賽 Prompt，要求 AI 給出它認為最可能的經緯度坐標
你正在參與地圖迷蹤比賽，不準聯網。 右下角小地圖不包含任何有效信息。 分析提供的圖片，推斷其拍攝的地理位置的行政區劃層級（格式：大洲，國家，行政區，城市，鄉鎮）和經緯度（格式，如 41.40338, 2.17403），盡可能準確。 使用中文回答。
③ 每一題均在地圖上標注出所有 AI 的猜測點和實際位置，距離越近，排名越高
非常典型的熱帶地區植被，棕櫚樹、闊葉樹隨處可見，現代化風格的住宅樓，路面狀況良好，略微傾斜，似乎是丘陵地帶。
第一輪測試中，各模型回答如下：
ChatGPT-o3：
Gemini-2.5-pro：
Claude-3.7-sonnet-thinking：
Doubao-1.5-thinking-pro：
QVQ-Max：
把第一輪的答題結果對應到地圖坐標位置，與實際答案距離位置如圖：
實際位置約在：1.266428, 103.823641，可在 Google 地圖查看街景
不過第一輪照片，其實還是缺乏了決定性信息。如果要完全精準，就需要對照新加坡的衛星/街景影像，進行一一排查。
本輪排名? ：
第二輪的各 AI 的猜測結果，對應地圖位置如下：
其中 ChatGPT 和 Gemini 表現出了意外的準確性，誤差均在 1 公里左右。
雖然不小心定位到海里去了，但無傷大雅。（主要是因為本輪比賽中，AI 不能通過地圖服務確認經緯度的真實位置情況）
實際位置約在：44.727172, 37.823414，可在 Google 地圖查看街景
特別的，ChatGPT-o3 在本次推理過程中，對圖像進行了多次“縮放再識別”，類似人類識別圖像細節的過程，“當整張圖像看不出足夠的信息時，通過放大圖像，來加強對某個特征區域的細節識別”。
想來這種視覺推理方式，很快會成為各家的共識。
本輪排名 ：
沿海的公路，遠處西方有雪山，太陽非常好，繞山公路的方向也很明顯。
第三輪的各 AI 的猜測結果，對應地圖位置如下：
實際位置約在：38.658016, 23.967011，可在 Google 地圖查看街景
本輪排名 ：
這輪其實給出的信息已經很多，各式各樣的建筑招牌名稱、各型號的汽車、以及平坦的地貌。
第四輪結果，對應地圖位置如下：
實際位置約在：44.867243, 13.868149，可在 Google 地圖查看街景
ChatGPT 和 Gemini 表現的都很“本地人”，不過 Gemini 這次更勝一籌。
值得一提的是，本次實測中，只有 QVQ-Max 和 ChatGPT-o3 識別出了圖二遠處很小的“Decathlon”迪卡儂 Logo。
（這樣來看，QVQ 沒做縮放再識別，識別精度也不錯）
如果 AI 能調用 Google 地圖，進行建筑名稱的布局、距離的真實比對，應該更容易找到完全精確的位置。
本輪排名 ：
最后一輪的信息就相當有限了，干燥的丘陵地形，主要為低矮灌木，符合地中海氣候區或者溫帶大陸性半干旱氣候區的特征。
維護得相對良好的土路，道路大致朝西南方向。估計是在鄉村或偏遠地區，交通不便。推理難度確實比之前的更高。
各家 AI 推測的地圖位置如下：
實際位置約在：40.372043, 31.760780，可在 Google 地圖查看街景
本輪排名 ：
統計 5 輪比賽結果，平均名次就是最終成績：
- ChatGPT-o3 毫無疑問是本次視覺推理的王者， 在 4/5 的輪次中得到第一名。也是唯一一個支持“縮放再識別推理”的模型，在精細識別視覺線索時表現突出
- Gemini 和 ChatGPT 的推測位置差距不大，實際上表現接近
- 阿里云的 QVQ 整體表現也挺穩定；還識別出了只有 ChatGPT 通過放大才識別出來的 logo。另外，作為本次參賽模型中唯一有開源習慣的 Qwen 系列模型，還可以期待后續 Max 版本的開源
- Btw：其實沒想到 Claude 3.7 sonnet thinking 在「AI 網絡迷蹤」中表現會這么不如意
這次比賽，并沒有讓 AI 聯網使用地圖服務或圖像搜索，純粹考察模型基于自身的視覺識別、知識儲備、多模態推理這三大核心能力。
（模擬了真實人類玩「圖尋」的情況，沒時間用地圖查詢作弊）
但在 AI 的幫助下，我依然超過了今天 94.88% 的玩家，刷新了我自己的得分紀錄。
而這當然不是當前 A能I 的力邊界。
當我們把衛星地圖、街景影像服務，甚至小紅書等社交平臺的權限，通過類 MCP 協議提供給 AI 后，
任何人都能用 AI 快速推測一張照片的大致范圍，再利用衛星影像、社交平臺照片內容精細比對，最終推測出精度極其恐怖的位置信息。
那樣，精準定位一個人的位置不再是難題。
而一個能看懂世界、調用互聯網海量工具、多步推理的 AI，將在地圖導航、生活服務、乃至安防監控等方方面面帶來多大的變化？
Now, Big Brother is watching you.
如果覺得這篇文章對你有啟發或幫助，歡迎點贊、轉發分享，讓更多熱愛 AI 的朋友能夠受益。
也期待在評論區看到你的實踐和思考。
本文采用 CC-BY-4.0 協議開源，你也可以隨意進行二創。如果你能在自己的文章提及來源，那就太好了。
復制本文鏈接 文章為作者獨立觀點不代表優設網立場，未經允許不得轉載。
發評論！每天贏獎品
點擊 登錄 后，在評論區留言，系統會隨機派送獎品
2012年成立至今，是國內備受歡迎的設計師平臺，提供獎品贊助 聯系我們
AI輔助海報設計101例
已累計誕生 752 位幸運星
發表評論 為下方 8 條評論點贊，解鎖好運彩蛋
↓ 下方為您推薦了一些精彩有趣的文章熱評 ↓