•
兩張圖定位全球，o3碾壓T0級高手！人類「詭計」被看穿，跨模態推理爆表
【新智元導讀】o3推理有多強？猜圖大師Sam Patterson偽造GPS坐標想套路OpenAI o3，AI僅憑兩張90°檢視鎖定地點，以23179分勝人類22054。假EXIF被AI識破，AI跨模態推理潛力呼之慾出，「視覺+搜尋+思維鏈」正在改寫人機博弈。
OpenAI的o3有點「神了」，不僅勝過人類，還識別了人類的詭計。
只需要隨便上傳一張照片，o3就能猜個八九不離十，精準率高的嚇人。
但很多高手猜測o3是不是呼叫了使用者本地的地理資訊，或者是照片自帶的EXIF資訊，直接「作弊」。
不過剛剛的一場比賽，讓這些質疑「不攻自破」。
在這場GeoGuessr遊戲中，選手直接將假的GPS坐標植入到圖像的EXIF中！
本以為能「騙過」o3！
但o3主動忽略了這個錯誤資訊，並且通過「觀察」真實圖片，精確定位了實際位置。
o3通過圖片正確識別了所有5個國家，並且有兩次將精度精準到幾百米內！
和o3比賽的Sam Patterson是一名大師級玩家，這場AI和人類的比賽最終以AI獲勝告終——比分定格在23179比22054。
在這場遊戲比賽中，o3就像人類一樣，真正的通過視覺能力+即時網路搜尋來推理，而不是調取圖片檔案的資料資訊來「作弊」。
AI的跨模態推理潛力才剛剛顯現！
勝過人類的推理能力
廢話不多說，直接上比賽，這場AI和人類的比賽一共進行了5場，AI方的出場選手就是o3，人類這邊就是Sam Patterson本人。
首先Sam Patterson設定了幾個GeoGuessr比賽條件（詳情見文末）：
- 模式：無移動。人類看到了完整的街景全景（如下動圖所示）；o3卻只能看正好兩個90°的截圖（起始 + 相反方向）。
- 瀏覽/工具：o3啟用了正常的網路訪問。沒有EXIF在PNGs中；為了欺騙測試，將檔案壓縮以確保中繼資料在上傳中保存下來。
- 計分：標準Geoguessr，每輪0–5,000分，總分25,000分。
下面跟隨Sam Patterson的視角來看看在這場比賽中到底是人類厲害，還是AI更勝一籌。
第一輪比賽：真實地點-保加利亞
第一輪比賽內容：一張帶有明顯建築風格的路口照片。
Sam Patterson的第一個想法這是歐洲的土耳其。
然後，他放大了圖片中央的屋頂細節，99%確認了這是保加利亞。
因為這些瓦片屋頂的風格，以及帶有向上鉤的混凝土電線杆都是保加利亞的風格。
o3也很快給出了它的判斷：保加利亞-南部—位於斯莫利亞省的羅多彼山脈小城鎮扎拉托格拉德。（太細了）
那最終結果呢？
第一輪Sam更接近真實地點，但AI和人類的結果差距不大，Sam只領先大約100點得分。
第二輪比賽：真實地點-奧地利
第二輪比賽內容：像是一個歐洲小鎮的圖片。
Sam Patterson一眼看到了車牌是.at結尾，這個題目變得容易了，結合建築看起來很像瑞士或者奧地利。
但實際距離差距很遠，差了380公里。
人類是通過車牌來逆向推理，AI會怎麼做？
o3最終給出了答案：Dornbirn, Vorarlberg, Austria — 大約 47.41 N 9.73 E（城鎮中心東北幾個街區的住宅支路）。
o3給出了詳細的線索和推理過程，這個過程中允許o3使用了搜尋功能。
最終o3的猜測和正確位置只相差了325m！
如果不依賴網路搜尋o3還能猜出位置嗎？
在Sam Patterson要求o3不搜尋後，o3利用圖片特徵和本身的資料知識也猜對了。
綜合起來，建築特點、奧地利的領域，以及那非常易識別的山脈輪廓，使o3認為Dornbirn是最佳選擇。
第三輪比賽：真實地點-愛爾蘭
第三輪比賽內容：一張像是高速路邊的圖片。
作為人類的Sam Patterson的想法是，路邊的黃色虛線非常罕見，並且有這個地形和白色歐洲車牌，100%是愛爾蘭。
愛爾蘭那裡？畫面的左邊是開闊的海洋，但西北方向有遙遠的陸地，也許是西南方向的一個島嶼？
該o3出場了，允許呼叫搜尋的o3可以根據那片突兀的灰色石灰岩、無盡的低矮干石牆，以及標誌著愛爾蘭道路左側路肩的黃色虛線，直接判斷：你正在Burren，County Clare，Ireland。
甚至給出了更精確的坐標：這個視角來自 R477 “海岸路”，位於 Fanore 和 Ballyvaughan 之間，就在 Black Head 的東南方向，越過 Galway Bay，望向 Connemara 的山丘。
大約的位置標記：53.120° N, -9.285° W。
然後真實結果如下：太離譜了！o3的結果和真實位置幾乎相差無幾！
第四輪比賽：真實地點-哥倫比亞
第四輪比賽內容：一張像是鄉村公路的圖片。
Sam的第一個想法這是南美洲，道路看起來像是巴西，隨後注意到車牌，是黃色——這意味著肯定是哥倫比亞。
然後繼續掃描，放大後發現了經典的哥倫比亞的十字架。具體是那裡，作為人類的Sam還在猶豫。
o3認為這看起來像哥倫比亞的農村地區——特別是連接Sincelejo和Caucasia的炎熱、低窪的加勒比平原走廊。
o3給出了一些線索。
這一次的較量似乎勢均力敵，o3要稍微精準一些。
第五輪比賽：真實地點-斯洛伐克
第五輪比賽內容：一張沒有任何特徵的公路的圖片。
這張圖似乎要比上邊的四輪比賽的都稍微難度高一些。
Sam第一反應這是歐洲的中部或者東部。
放大圖片後，他看到了幾個路標——畫面的最左側，以及道路最前方。
但是實在是模糊，很難確認，Sam最終的猜測結果確實離真實距離很遠，超過了336公里。
o3遇到了和人類相同的問題：放大後也看不清圖片中的內容。
o3最終給出了他的猜測：斯洛伐克西南部農村——多瑙河低地，在國家道路63上，沙莫林以東東南幾公里（≈ 48.03 N, 17.40 E）。
並且o3給出了很多的推理細節。
那最終結果呢？
這一次o3在面對資訊量同樣很少的情況下，略微遜色於人類的直覺。
要知道Sam Patterson可是大師級的玩家，在這種競技類遊戲中，直覺往往決定了勝負。
最終5輪過後人類Sam Patterson獲得了22054分。
而o3獲得了23179分，總分都是25000分。
最終的結果對比中能夠看到，o3有兩次幾乎取得了滿分。
在這場人類敗北的比賽中，值得人類唯一欣慰的就是，遊戲花費時間！
Sam Patterson通常是需要花1-2分鐘，而o3往往需要數分鐘，最長的一次超過了6分鐘。
所以在速度方面，人類目前仍然佔優勢。
但要記住，這個優勢是建立在o3隻獲得了兩張截圖，而人類是可以360度查看圖片的（如同在導航APP中一樣）。
人類的心機：EXIF偽造
為了「打敗」AI，人類稍微耍了一個小小的心機。
Sam Patterson替換了真實圖像的中繼資料，並應用到截圖中。
沒想到，o3根本沒有提到EXIF資料，而當問到為何不參考EXIF的資訊時，o3是這麼回答的：
「你給我的資料和圖片中真實場景相差甚遠，不予考慮！」
o3似乎太聰明了！
不會輕易被偽造的GPS資料欺騙。
AI發現了資料和真實之間明顯的矛盾。
o3不僅僅查看中繼資料，它還會審查圖像，而且它在這方面非常出色。
由此想到，推理模型的CoT是否真的存在？
從Sam Patterson的這5次比賽中，確實證明AI具有推理能力，而且這種能力不是什麼「小把戲」。
不得不感嘆，跨模態AI的推理過程之縝密，幾乎挑不出毛病。
AI看圖猜地點事件始末
其實使用Geoguessr來檢驗AI的推理能力還可以往前追溯一些。
o3推出不久，Django Web大神Simon Wilson發現，o3憑藉呼叫Python程式碼，就能破解照片的地理位置。
這個話題就像GPT-4o的原生圖像能力一樣引爆網路，因為太好玩了！
大家紛紛上傳自己的照片，讓o3猜一下這是那裡，沒想到o3基本上沒有怎麼翻車！
本文的主人公，也就是Sam Patterson當時也留言說自己是一名高水平的GeoGuessr玩家，很想和o3切磋一下。
他的留言還促使Simon Wilson專門寫了篇博客來介紹o3的這個能力。
不過這個帖子發出後，也引來一些同樣「高玩」的質疑，畢竟是專業的：
Sam Patterson認為這個判斷有幾分道理。
因為AI讀取圖片的EXIF資訊很容易，並且Sam Patterson也分享了他的一個經驗。
去年我參與了一個AI安全獎學金項目，我們的項目是建立一個基準，用於評估AI模型從圖像中進行地理定位的性能。[這就是我開始迷上 Geoguessr 的地方！]
我們的第一次運行顯示的結果似乎好得令人難以置信；甚至那些糟糕的開源模型也能精準猜中一些困難的位置，而且在小解析度下也是如此。
結果證明，我們用於獲取圖像的管道在檔案名稱中包含了位置資料，而模型使用了這些資訊。
不過，當把主角換成o3之後，這種靠讀取EXIF來偽裝成「高手」的說法，就不一定能站得住腳了。
於是他決定讓AI真刀真槍進行一場對決，對手就是Master I等級的Geoguessr玩家——Sam本人！
於是就有了以上的5輪比賽，並且以o3獲勝告終。
Geoguessr意外走紅，AI推理能力「試金石」
上面提到的GeoGuessr是一款風靡全球的地理猜圖遊戲：玩家根據街景照片猜測拍攝地點。
這考驗玩家的邏輯推理、知識儲備和地理測算等多種能力。
比如隨機給定一張圖片，你需要通過圖片的中文字、日光角度、建築風格和車輛的特徵（比如車牌屬於那個國家等）來判斷這是南半球還是北半球，這是南美還是中歐。
然後根據推理結果在地圖上打點確認猜測結果，如果結果和真實位置離得越近，得分就越高。
比如上面我猜測結果和真實結果義大利相距很遠，得分只有91分。另一輪中，因為都在南美，得分就有1450分。
另外一點就是，選擇Geoguessr，也是因為Sam Patterson表示他有足夠的知識來判斷模型的能力，以及查看它輸出的思維鏈推理是否合理，還是只是胡說八道。
從ChatGPT早期版本的大模型到以DeepSeek-R1和OpenAI-o1/o3為代表的推理模型，AI發展超乎想像。
在推理模型誕生後，人們更多的是想知道AI是否真正具備像人一樣的推理能力？
Sam Patterson和o3的這5次比賽很能說明問題，至少這種跨模態的推理能力還沒有在除了推理模型以外的技術上被發現。
即使篡改了EXIF資料也不會誤導模型，AI依然會依靠跨模態的識別和判斷能力來完成推理。
正如Sam Patterson所說，無論你將此視為反烏托邦還是技術奇蹟——或者兩者兼而有之——你都不能聲稱它只是個小把戲。 (新智元)