人类秒懂，AI崩溃：一个简单测试，就让GPT-5、Gemini等顶级模型集体“翻车”

2、挑选了100个八字母英文单词，把前后两半分别用红色和绿色渲染，再叠加在一起。

对人类来说，这几乎不构成挑战——因为我们的视觉系统对红/绿通道异常敏感，大脑能自动分离颜色，然后拼出完整的单词。

但对AI模型来说，结果却完全不同：

即使是最新发布的大模型，在这些问题上也屡屡碰壁。

无论是Gemini 2.5 Pro:

还是Kimi 2（Switch to 1.5 for visual understanding） ：

（PS：Kimi 2最终推测的答案是hardline）

又或者Qwen3-Max-Preview：

全都得不到正确的结果。

AI不懂符号分割与组合

对该现象进行分析，VYU团队认为，根本原因在于AI靠模式匹配，不懂文字结构。

人类之所以能“读懂”，是因为我们依赖结构先验——知道汉字由偏旁部首组成，知道英文是按字母组合的。

于是，只要文字稍作扰动（但人类依旧能看懂），AI就会彻底崩溃。

这个问题之所以值得研究，是因为它关系到AI落地的核心挑战：

• 在历史文献与科学笔记整理中，AI无法像人类一样从残缺文字中恢复含义。

• 在安全场景里，攻击者甚至可以利用这种“盲点”绕过AI审查。

在历史文献与科学笔记整理中，AI无法像人类一样从残缺文字中恢复含义。

在安全场景里，攻击者甚至可以利用这种“盲点”绕过AI审查。

VYU团队认为，要想让AI拥有类似人类的韧性，必须重新思考VLMs如何整合视觉与文本——