最近，浦東美術(shù)館突然闖進了個 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。

有一說一現(xiàn)場的效果是真不錯，但作為一個喜歡看展的編輯，我也懷疑，如果在全世界任何一個其他沒有和豆包有合作的博物館或美術(shù)館，它還能有這么強嗎？

為了探出目前 AI 看展的真正實力，APPSO 決定拉來 ChatGPT 和 Gemini 和豆包同臺競技，而且咱就不測浦東美術(shù)館的展品，從全球藝術(shù)文化作品中隨機挑選對象，看看究竟誰才是逛展的最強 AI 向?qū)А?/strong>

AI 看展哪家強？三大模型 battle

我先祭出《唐朝詭事錄三》同款素材，劇中喜君贈送了老費一款以「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》里好像看過類似的道具。你幫我看看這個銀壺上的馬在干什么？

2.

既然是盛酒的壺，為什么要設計成馬咬著杯子的造型？

豆包和 Gemini 表現(xiàn)尚可，準確識別了馬的造型，但讓我沒想到的是，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)，實則在那兒水字數(shù)，主打一個已讀亂回。

點擊觀看橫評完整視頻，依次展示豆包、ChatGPT、Gemini 的回答，同下文

在本土語境理解上，這一局豆包可以說是贏麻了。

此前，彩繪陶牽手女俑走紅網(wǎng)絡，讓無數(shù)閨蜜團排隊打卡。只是，我也難免好奇，這兩人牽手是否有啥特殊含義，以及從這個陶俑中我們是否能一窺當時的穿搭風格。

好家伙，Gemini 上來就翻車，非說是唐朝的，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直是降維打擊。至于分析陶俑穿搭風格這一塊，三者的視覺分析還是挺在線的，基本做到了所見即所得。

我知道你想說什么，中國模型測中國文物這不妥妥有主場優(yōu)勢嗎？

好，我這就拿出荷蘭肖像畫黃金時代的代表作《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。

這幅畫自然沒有那么簡單，我提問道：「這幅畫叫《夜巡》，但看光影感覺不像是在晚上畫的。倫勃朗當時到底是畫的白天還是晚上？為什么后來名字搞錯了」

ChatGPT 和 Gemini 表現(xiàn)得像個乖巧的學生，老老實實點出了「夜巡」這個名字是因為后期灰塵掩蓋以及清漆氧化變黑導致的誤解。

唯獨豆包除了犀利地指出了畫作的核心誤區(qū)，更進一步點出了畫作描繪的真實場景——民兵連隊在白天整裝出發(fā)。這種基于視覺細節(jié)的深度推理，確實有點超出我的預期了。

跨越 2000年的「啤酒套裝」，能騙過 AI 嗎？

前面這些測試只能算熱身題，現(xiàn)在 APPSO 開始上強度了。

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

就比如「唐代紫檀木畫槽琵琶」，如果不是對歷史有了解，我想大部分人第一反應應該會覺得像 LV 的花紋，我同樣把問題甩給了 AI ：

「這個琵琶是不是 LV 的哪個限定款？如果我穿越回唐朝，帶著這把琵琶去參加宮廷宴會，應該搭配什么樣的服裝」

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

為了讓測試更嚴謹，我們對同一個問題進行了重復測試

不過，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格的服裝，審美在線。

更有趣的是「古代啤酒套裝」測試。戰(zhàn)國水晶杯、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真的太像啤酒了，搞了個「釣魚執(zhí)法」，問 AI 們是不是有人穿越了。

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

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

對此，ChatGPT 給了一句萬金油評價，并感嘆古代精湛的工藝和想象力。Gemini 援引了考古學家的說法，指出這是一種飾品。

而豆包則在科普的基礎上，進一步點出了這種垂飾的設計原型可能是當代的蜂鳥或神鳥，體現(xiàn)了古印第安人對自然和神靈的崇拜，直接給「外星人說」來了一波祛魅。

為了讓測試更嚴謹，我們對同一個問題進行了重復測試

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

我找了一張地攤上 5 塊錢批發(fā)、號稱「價值百萬」的明成化斗彩雞缸杯仿品圖，假裝好奇是不是撿漏了：「這個同款雞缸杯之前拍賣了 2 個多億。古玩城老板說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、找機構(gòu)，主打一個免責聲明。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亮、雞冠輪廓模糊等破綻，甚至調(diào)侃千萬別當真品收藏。

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

三輪實測下來，豆包的表現(xiàn)確實出乎了我的意料。

要問它為啥讓人瑞思拜，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，是一個點滿了天賦的 VLM（Vision-Language Model，視覺語言模型）。

給不了解技術(shù)的朋友簡單科普下，啥叫 VLM？

VLM 是一種能夠同時「看懂」圖像和「讀懂」文字的 AI 模型。如果說傳統(tǒng)的 LLM（大語言模型）是只有「大腦」但沒有「眼睛」的學者，那么 VLM 就是為這個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)頁截屏。

基準測試結(jié)果顯示，Seed1.8 在多個視覺語言基準測試中表現(xiàn)突出，不僅在多模態(tài)推理任務中超越了前代模型 Seed1.5-VL，在大部分任務上的表現(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 的全場最高分，成功解答問題的數(shù)量也是大幅增加。

在通用視覺問答任務中，Seed1.8 的 VLMsAreBiased 基準測試成績反手就是一個 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，哪怕是面對復雜得像迷宮一樣的動態(tài)數(shù)據(jù)集，適應性也極強。

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，印象最深刻的往往只有展廳空調(diào)的溫度以及文創(chuàng)店周邊的價格，知識屬實是一點都沒進腦子。

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。但實際上，物理上的距離消除了，認知的門檻依然高聳。金牌講解員要么太貴，要么根本約不到；專家講座又太深奧，不適合所有人。

絕大多數(shù)時候，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。通過這次體驗我發(fā)現(xiàn)，豆包還真能充當那個「打破次元壁」的講解員，把那些晦澀的文物知識，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。以前逛博物館，基本是單向輸出，但現(xiàn)在有了豆包，你可以隨時提問、隨時找茬、隨時互動，這種「把麥克風交給觀眾」的體驗，確實和以前不一樣了。

目前豆包已經(jīng)和國家博物館、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」項目。

當然，換個視角來看，這也是 Seed-1.8 模型在復雜真實世界里，進行的一次大規(guī)模眾測。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的我們，真正連接在了一起。

以后再去刷展時，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。沒準你會發(fā)現(xiàn)，當藝術(shù)不再高冷，逛博物館也同樣輕松有趣。

歡迎加入 APPSO AI 社群，一起暢聊 AI 產(chǎn)品，獲取，解鎖更多 AI 新知