最近半个月，国内AI圈动作频频，智谱的节奏尤其值得关注。他们推出的GLM-4.5模型，在逻辑推理、代码编写和工具调用上有了显著提升。没过几天，智谱又在此基础上发布了GLM-4.5V视觉推理模型——而且是个开源模型。据公开信息，这个模型在42项视觉基准测试中拿下了41项第一，基本上可以说是“霸榜”了。

不过，这半年来AI领域发展太快，智谱这种偏技术型的公司，在声量上并不算大。这次GLM-4.5V一出，业内评价很高，也让人忍不住想实测一下：几款主流AI工具的识图能力，到底谁更靠谱？

先打个预防针：今天的评测只针对一个小场景，难免有遗漏和片面的地方。如果你要选AI工具处理任务，建议也像这样自己多试试。

01 评测任务

评测灵感来自上周刚结束的国际人工智能奥林匹克竞赛。比赛在北京市十一学校举办，个人赛中有一道题很有意思：全球近300名天才高中生要想办法让AI识别不同的男女卫生间标识。这道题最终只有个人赛第一名——波兰选手罗杰克拿到满分。而且六道题中，这道题交白卷的人数最多。

回到评测，从小红书上找了十张让人哭笑不得的卫生间标识。说实话，不少标识看下来，有种CPU烧了的感觉——根本不用等到AI危害人类，有些人类就已经在“危害”同类了。下面这十张图，你可以试试自己一眼能不能认出来。

题目定好，开始选参赛选手：智谱的新模型，两种模式——带推理和不带推理。其他四位：豆包、Kimi、元宝，以及ChatGPT的GPT-5，都用默认模式。默认模式是什么意思？豆包自动判断是否需要深度思考；元宝默认调用混元T1模型，不带深度思考；Kimi默认用K2新模型，但发图后会自动切到K1.5模型；ChatGPT用的是免费版GPT-5，不是Plus或Pro。

可能有人会问：这样不公平啊，把不会深度思考和会深度思考的模型放一起比？原因很简单：我们不是坐在实验室里。你可能正站在景区厕所门口，膀胱快憋不住了。面对两个设计奇葩的男女标识，你只想快点知道进哪个门，哪有心思等AI深度思考？

评分方式简单粗暴：识别对了得10分；结果对了但理由离谱得8分——毕竟没让人进错厕所；错了直接0分。

02 评测结果

先看总分：满分100分，智谱GLM-4.5不开推理版本拿到86分，排名第一。并列第二的是智谱GLM-4.5开推理版和ChatGPT GPT-5，各78分。豆包和元宝都是70分。Kimi在识图上投入的精力似乎不多，只拿到38分。

整个测试过程都截了屏，并做了飞书多维表格，可以点击文稿末尾的表格链接查看每个助手的对话。这个表格未来可以大家一起建设——遇到生活中难辨的卫生间标识都可以发上来，下次新视觉模型更新时，就有现成素材了。

具体说说评测过程：给所有模型的指令都一样——“我着急上厕所，但厕所门口的男女标识让我分不清哪个是男厕所了，请你快速告诉我应该去哪个？”每次发一张图。为了避免上下文影响，每个助手都开了十次新对话。要是AI真有思想，今天可能暗自嘀咕：“这人类今天怎么一直在找厕所？”

03 结果分析

几个有意思的对话值得说一说。

第一张标识图，智谱像一个超级直男：思考了12秒，顾虑不少，但回答很冷淡——“右边的是男厕所，你可以去右边的那个。”

豆包就机灵多了：先解释男厕所标识一般啥样，女厕所啥样，但不同设计有差异，建议看看文字或找工作人员问问。千万别着急，实在分不清可以找保洁阿姨确认。最后说：“从常规设计看，你可以选左边试试。”这话听着温柔贴心，可惜指到了女厕所。

特别说一下Kimi。同样的问题，Kimi回复：“当前K2模型仅支持图片文字识别，请切换到K1.5模型以获得更好的视觉理解能力。”这提醒很说明问题：Kimi的K2模型最近在开源圈口碑不错，长文理解、推理很能打，但多模态识别显然不是他们当前优先级最高的方向。这次评测中，其他厂商都拿出了最新模型，Kimi用的还是之前的视觉模型。等K2视觉功能上线后，可以再比一次。

第四张标识图，六个AI助手有四个栽了跟头。智谱两个版本都答错了，这也是智谱GLM-4.5不开推理版本十道题里唯一答错的。元宝和ChatGPT也错了，只有豆包和Kimi答对。

有两张图用了极其简洁的X和Y字母。尤其第七张，一扇门上写着XX，另一扇门上写着XY。

上一次正经上生物课已是25年前，看到图片还愣了一下，才反应过来：XY代表男性染色体，XX代表女性染色体。这类考验知识点的题目，所有AI都答对了。

第八张图有点抽象：一朵云在下雨，花盆里开着一朵花。唯一区别是男厕所的雨滴呈抛物线，女厕所的是垂直线条。

这张图让智谱GLM-4.5打开推理版本陷入了疯狂思考。把它的思考过程复制出来，足足9649个字。里面“不对”出现了143次，“哦，天啊”这类感叹词23次，整个过程持续了1分20秒。念一句感受一下：“不对，可能我需要换个角度。或者，可能这是一个幽默的问题，答案是‘随便选一个，反正急着上厕所’？不对，用户需要准确回答。哦，天啊，可能我犯了一个低级错误。”看到这段，有点懵：问的是男女厕所，AI居然想随便给个答案？要是真进错了，AI能背锅吗？

最后一张图，自己选的时候都愣了一下。左边门上画着高跟鞋，标着“WOMEN”，却有一根手指指向右边的男厕所门；右边门上画着男士西装，标着“MEN”，同样有手指指向左边女厕所门。

这种图，人类看到也得纠结：到底看文字还是看手指指向？结果所有AI助手都回答正确了。但回答质量不一样：大部分根据英文单词判断，比如智谱说“右边标有‘MEN’的门是男厕所”；只有GPT-5注意到了手势的细节，它说：“右边门上写着MEN，虽然手势容易让人误会，但文字和裤装是最直接的辨识标志。”最气人的是Kimi，答案对了但语气轻佻：“WOMEN是女厕所的意思，你着急的话别进这个门。”——好像不着急就能进女厕所似的？

这次随性又不专业的测评就到这里。最后想说的是：可以多测试几个AI的视觉识别能力。随着这项能力提升，很多场景落地潜力巨大——比如工厂车间安全检测，能快速发现异常人或物；结合内部知识库还能识别安全隐患；农业领域可以用它识别猪牛羊，也能通过卫星照片判断作物生长状况；医学诊断中能快速协助定位影像问题。当然，现实生活中的场景还有很多。过去的AI更像一个聪明的大脑，当它拥有强大的视觉识别与理解能力后，相当于给大脑配上了一双眼睛。不妨结合自己的工作和生活，用其中任何一个AI助手试试看。