10 月 31 日消息，一款名为「纯白地狱」的 1000 片拼图没有任何图案与色差，每一片外形几乎完全相同，有玩家耗时 12 天完成，人类社群流传的最快纪录约 160 小时。一名玩家用 AI 重做了一遍这个任务：给拼图桌画 20×50 共 1000 格并编号，1000 片散片每片一格拍照上传，让模型只做一件事，判断哪两片的边缘可以咬合。结果 AI 仅五小时就撑不住崩溃。
听起来像标准场景，实际是几何匹配难题
拼图本质上是匹配问题，规则封闭、答案唯一，不需要理解画面也不需要发挥创意，看上去正适合模型处理。AI 也准确指出了难点：「没有颜色线索，只能依赖边缘形状匹配」，还主动建议先拼边框片，看起来像个经验丰富的拼图老师。
但当被问及具体两片能否咬合时，它的回答是「从图片看，两片的边缘曲率呈现互补特征，大概率可以咬合」。拿实物一试，根本拼不上。
形状推理是当前多模态模型的短板
这类失败暴露的是纯几何视觉推理的短板，与理解语义、检索事实的能力截然不同。在评测饱和的背景下，判断一个模型到底还能不能做事，需要看这类没有语义的场景，相关的基准讨论见 Claude Opus 5.5 通过率仅 45.6%：AI 榜单 105 个基准已饱和。
纯白拼图的失败还提示了一个常被忽略的点：模型给出的置信表达与真实能力之间存在落差。它会用「大概率可以咬合」这样的语气回答一个自己并未真正验证的问题，而人类玩家在 12 天的试错中早已建立起对边缘形状的直觉。AI 能不能取代这类看起来无需理解的工作，判断标准可能比基准分数更能说明问题。
延伸阅读
- Mistral Large 4 预览版发布：万亿参数、漏洞复现 82 分超越 GPT-64 周前
- 智谱 GLM-Omni 深度：图像生成 54% 对文字问答 14.57% 的断层4 天前
- 芒果灵创 AIGC 平台解析：《后西游记》首度上星带动股价两连板，三维动画成本降到几千元一分钟1 月前
- 谷歌EmbeddingGemma2开源：740M塞进手机，跨模态检索轻量跑3 周前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。
继续读
同一批更新里这几篇值得一看：
- Baseten 拟融资 20 亿美元：估值 300 亿推理层新贵2026-10-31
- 闪迪 NBM 长单排到 2030 年：AI 推理推高 NAND 需求2026-10-30
- 智谱 GLM-Omni 论文露脸：球衣号码画对 72% 文字问只剩 2%2026-10-28
想快速查定义？对应的词条在这里：
- AI Agent词条 · AI 自学笔记