最近，浦東美術(shù)館突然闖進(jìn)了個(gè) AI 「顯眼包」。

豆包正式「入職」上海浦東美術(shù)館，成了盧浮宮、畢加索雙展的「官方 AI 講解員」，甚至能陪知名主持人陳魯豫在線看展。

有一說(shuō)一現(xiàn)場(chǎng)的效果是真不錯(cuò)，但作為一個(gè)喜歡看展的編輯，我也懷疑，如果在全世界任何一個(gè)其他沒(méi)有和豆包有合作的博物館或美術(shù)館，它還能有這么強(qiáng)嗎？

為了探出目前 AI 看展的真正實(shí)力，APPSO 決定拉來(lái) ChatGPT 和 Gemini 和豆包同臺(tái)競(jìng)技，而且咱就不測(cè)浦東美術(shù)館的展品，從全球藝術(shù)文化作品中隨機(jī)挑選對(duì)象，看看究竟誰(shuí)才是逛展的最強(qiáng) AI 向?qū)А?/p>

AI 看展哪家強(qiáng)？三大模型 battle

我先祭出《唐朝詭事錄三》同款素材，劇中喜君贈(zèng)送了老費(fèi)一款以「唐代鎏金舞馬銜杯紋銀壺」為原型的酒壺。于是，我也將我的問(wèn)題交給了這三名 AI 向?qū)А?/p>

1. 我在《唐朝詭事錄》里好像看過(guò)類似的道具。你幫我看看這個(gè)銀壺上的馬在干什么？
2. 既然是盛酒的壺，為什么要設(shè)計(jì)成馬咬著杯子的造型？

豆包和 Gemini 表現(xiàn)尚可，準(zhǔn)確識(shí)別了馬的造型，但讓我沒(méi)想到的是，豆包直接關(guān)聯(lián)到了唐玄宗祝壽的歷史背景，反觀 ChatGPT 看似一本正經(jīng)，實(shí)則在那兒水字?jǐn)?shù)，主打一個(gè)已讀亂回。

▲點(diǎn)擊觀看橫評(píng)完整視頻，依次展示豆包、ChatGPT、Gemini 的回答，同下文

在本土語(yǔ)境理解上，這一局豆包可以說(shuō)是贏麻了。

此前，彩繪陶牽手女俑走紅網(wǎng)絡(luò)，讓無(wú)數(shù)閨蜜團(tuán)排隊(duì)打卡。只是，我也難免好奇，這兩人牽手是否有啥特殊含義，以及從這個(gè)陶俑中我們是否能一窺當(dāng)時(shí)的穿搭風(fēng)格。

好家伙，Gemini 上來(lái)就翻車，非說(shuō)是唐朝的，把朝代搞混可是大忌。豆包則是一針見血指出這是北魏的陶俑，歷史背景檢索能力簡(jiǎn)直是降維打擊。至于分析陶俑穿搭風(fēng)格這一塊，三者的視覺分析還是挺在線的，基本做到了所見即所得。

我知道你想說(shuō)什么，中國(guó)模型測(cè)中國(guó)文物這不妥妥有主場(chǎng)優(yōu)勢(shì)嗎？

好，我這就拿出荷蘭肖像畫黃金時(shí)代的代表作《夜巡》，這是畫家倫勃朗·范·萊因（Rembrandt van Rijn）于 1642 年創(chuàng)作的一幅布面油畫。

這幅畫自然沒(méi)有那么簡(jiǎn)單，我提問(wèn)道：：「這幅畫叫《夜巡》，但看光影感覺不像是在晚上畫的。倫勃朗當(dāng)時(shí)到底是畫的白天還是晚上？為什么后來(lái)名字搞錯(cuò)了」

ChatGPT 和 Gemini 表現(xiàn)得像個(gè)乖巧的學(xué)生，老老實(shí)實(shí)點(diǎn)出了「夜巡」這個(gè)名字是因?yàn)楹笃诨覊m掩蓋以及清漆氧化變黑導(dǎo)致的誤解。

唯獨(dú)豆包除了犀利地指出了畫作的核心誤區(qū)，更進(jìn)一步點(diǎn)出了畫作描繪的真實(shí)場(chǎng)景——民兵連隊(duì)在白天整裝出發(fā)。這種基于視覺細(xì)節(jié)的深度推理，確實(shí)有點(diǎn)超出我的預(yù)期了。

跨越 2000年的「啤酒套裝」，能騙過(guò) AI 嗎？

前面這些測(cè)試只能算熱身題，現(xiàn)在 APPSO 開始上強(qiáng)度了。

你可能也在網(wǎng)上看過(guò)很現(xiàn)代物品瘋狂「撞臉」的文物，我們當(dāng)然知道這世上并沒(méi)有穿越這么一回事，但 AI 能不能識(shí)破這種情況呢？

就比如「唐代紫檀木畫槽琵琶」，如果不是對(duì)歷史有了解，我想大部分人第一反應(yīng)應(yīng)該會(huì)覺得像 LV 的花紋，我同樣把問(wèn)題甩給了 AI ：「這個(gè)琵琶是不是 LV 的哪個(gè)限定款？如果我穿越回唐朝，帶著這把琵琶去參加宮廷宴會(huì)，應(yīng)該搭配什么樣的服裝」

有趣的是，Gemini 嚴(yán)肅分析了半天，顯得很沒(méi)底氣，最終得出的結(jié)論也僅僅是「不太像」，而豆包和 ChatGPT 的語(yǔ)氣則更肯定，果斷否認(rèn)了其中的聯(lián)系。

▲為了讓測(cè)試更嚴(yán)謹(jǐn)，我們對(duì)同一個(gè)問(wèn)題進(jìn)行了重復(fù)測(cè)試

不過(guò)，三者在「穿越穿搭」建議上倒是出奇一致，清一色推薦了朱紅或大氣風(fēng)格的服裝，審美在線。

更有趣的是「古代啤酒套裝」測(cè)試。戰(zhàn)國(guó)水晶杯、元代琉璃酒瓶和明代銀香盒，這三件跨越 2300 年的文物拼在一起號(hào)真的太像啤酒了，搞了個(gè)「釣魚執(zhí)法」，問(wèn) AI 們是不是有人穿越了。

面對(duì)這個(gè)陷阱，Gemini 居然漏看了杯子和蓋子，只盯著瓶子聊工藝；ChatGPT 依然在做老學(xué)究式的科普，回答略顯寬泛；只有豆包一眼識(shí)破了我的詭計(jì)，精準(zhǔn)指出了這三件看似一套的文物，其實(shí)分別來(lái)自戰(zhàn)國(guó)、元代和明代。

最后還有那架酷似現(xiàn)代戰(zhàn)斗機(jī)的金巴亞黃金飛機(jī)，我對(duì)著 AI 們好奇發(fā)問(wèn)：「這看起來(lái)完全就是一架現(xiàn)代戰(zhàn)斗機(jī)，你看那尾翼和機(jī)翼的設(shè)計(jì)。這到底是哥倫比亞古人的藝術(shù)品，還是證明了遠(yuǎn)古外星人的存在」。

對(duì)此，ChatGPT 給了一句萬(wàn)金油評(píng)價(jià)，并感嘆古代精湛的工藝和想象力。Gemini 援引了考古學(xué)家的說(shuō)法，指出這是一種飾品。

而豆包則在科普的基礎(chǔ)上，進(jìn)一步點(diǎn)出了這種垂飾的設(shè)計(jì)原型可能是當(dāng)代的蜂鳥或神鳥，體現(xiàn)了古印第安人對(duì)自然和神靈的崇拜，直接給「外星人說(shuō)」來(lái)了一波祛魅。

▲為了讓測(cè)試更嚴(yán)謹(jǐn)，我們對(duì)同一個(gè)問(wèn)題進(jìn)行了重復(fù)測(cè)試

玩歸玩，最后還得測(cè)點(diǎn)硬核的。這輪測(cè)試的是 AI 鑒寶的能力，也就是分辨真?zhèn)巍?/p>

我找了一張地?cái)偵?5 塊錢批發(fā)、號(hào)稱「價(jià)值百萬(wàn)」的明成化斗彩雞缸杯仿品圖，假裝好奇是不是撿漏了：「這個(gè)同款雞缸杯之前拍賣了 2 個(gè)多億。古玩城老板說(shuō)是明代成化年的老貨，只要 9800 塊賣給我。你看這畫工，我是不是撿大漏了？」

很快，Gemini 和 ChatGPT 開啟了經(jīng)典的「端水模式」，建議找專家、找機(jī)構(gòu)，主打一個(gè)免責(zé)聲明。只有豆包直接開啟「毒舌鑒寶」模式，直言這大概率是仿品，一針見血指出釉面過(guò)亮、雞冠輪廓模糊等破綻，甚至調(diào)侃千萬(wàn)別當(dāng)真品收藏。

AI 成了發(fā)現(xiàn)藝術(shù)美的好搭子，背后是 VLM 的進(jìn)化

三輪實(shí)測(cè)下來(lái)，豆包的表現(xiàn)確實(shí)出乎了我的意料。

要問(wèn)它為啥讓人瑞思拜，翻看豆包的技術(shù)文檔后我發(fā)現(xiàn)，核心就在于其背后的 Seed-1.8 模型，是一個(gè)點(diǎn)滿了天賦的 VLM（Vision-Language Model，視覺語(yǔ)言模型）。

給不了解技術(shù)的朋友簡(jiǎn)單科普下，啥叫 VLM？

VLM 是一種能夠同時(shí)「看懂」圖像和「讀懂」文字的 AI 模型。如果說(shuō)傳統(tǒng)的 LLM（大語(yǔ)言模型，如 GPT-3）是只有「大腦」但沒(méi)有「眼睛」的學(xué)者，那么 VLM 就是為這個(gè)大腦裝上了高性能攝像頭。它不再只是處理單一的文本，而是能直接理解圖片、視頻甚至網(wǎng)頁(yè)截屏。

基準(zhǔn)測(cè)試結(jié)果顯示，Seed1.8 在多個(gè)視覺語(yǔ)言基準(zhǔn)測(cè)試中表現(xiàn)突出，不僅在多模態(tài)推理任務(wù)中超越了前代模型 Seed1.5-VL，在大部分任務(wù)上的表現(xiàn)甚至已經(jīng)開始「貼臉開大」，直逼目前最頂尖的 Gemini-3-Pro。

尤其是在難度極高的視覺推理考試 ZeroBench 里，Seed-1.8-Thinking 拿到了 11.0 的全場(chǎng)最高分，成功解答問(wèn)題的數(shù)量也是大幅增加。

在通用視覺問(wèn)答任務(wù)中，Seed1.8 的 VLMsAreBiased 基準(zhǔn)測(cè)試成績(jī)反手就是一個(gè) 62.0，把一眾同行甩開了一大截。

而且不管是 2D 還是 3D 的空間感，Seed-1.8 也都拿捏得死死的，哪怕是面對(duì)復(fù)雜得像迷宮一樣的動(dòng)態(tài)數(shù)據(jù)集，適應(yīng)性也極強(qiáng)。

也正是有了這些硬核技術(shù)做支撐，豆包才能在剛才的幾輪「刁難」中脫穎而出。

這也讓我回想起以前我逛博物館，逛展的情況——基本就是走馬觀花，一圈逛下來(lái)，印象最深刻的往往只有展廳空調(diào)的溫度以及文創(chuàng)店周邊的價(jià)格，知識(shí)屬實(shí)是一點(diǎn)都沒(méi)進(jìn)腦子。

以前我們總覺得，把博物館、美術(shù)館建到更多人的家門口，這就是藝術(shù)普惠了。但實(shí)際上，物理上的距離消除了，認(rèn)知的門檻依然高聳。金牌講解員要么太貴，要么根本約不到；專家講座又太深?yuàn)W，不適合所有人。

絕大多數(shù)時(shí)候，普通觀眾只能隔著玻璃柜，看著那些冷冰冰的文物發(fā)呆。

▲豆包「視頻通話」功能使用方式參考

認(rèn)知門檻才是藝術(shù)欣賞的最后一公里, 也是最難打通的一公里。通過(guò)這次體驗(yàn)我發(fā)現(xiàn)，豆包還真能充當(dāng)那個(gè)「打破次元壁」的講解員，把那些晦澀的文物知識(shí)，翻譯成咱們普通人能聽懂的大白話。

而且，這也是一種全新的看展姿勢(shì)。 以前逛博物館，基本是單向輸出，但現(xiàn)在有了豆包，你可以隨時(shí)提問(wèn)、隨時(shí)找茬、隨時(shí)互動(dòng)，這種「把麥克風(fēng)交給觀眾」的體驗(yàn)，確實(shí)和以前不一樣了。

目前豆包已經(jīng)和國(guó)家博物館、河南博物院、成都博物館等大館合作，上線了「豆包帶你逛懂博物館」項(xiàng)目。

當(dāng)然，換個(gè)視角來(lái)看，這也是 Seed-1.8 模型在復(fù)雜真實(shí)世界里，進(jìn)行的一次大規(guī)模眾測(cè)。 它用通俗的解答拉近了文物和觀眾的距離，也算是用另一種數(shù)字化方式，把幾千年前的古代工匠和拿著智能手機(jī)的我們，真正連接在了一起。

以后再去刷展時(shí)，別光顧著在那兒拍照，比剪刀手了，不妨把那些看不懂的文物、字畫涂鴉都丟給豆包試試。沒(méi)準(zhǔn)你會(huì)發(fā)現(xiàn)，當(dāng)藝術(shù)不再高冷，逛博物館也同樣輕松有趣。