1000 片、无图案、无色差、无参考图，人类玩家断断续续拼了 12 天；换成视觉大模型，五小时后给出的是一串自相矛盾的配对和一个闭环。这场实验的价值不在「AI 输了」，而在输的方式。
它不是在测量，是在描述
做法本身很合理：把 1000 片按 20×50 摆进编号格子，拍照上传，只让模型判断哪两片能咬合。模型答得很像行家——边缘曲率互补、建议先拼边框——落到实物上却拼不上。追问细节，它只能给出「凸得比较陡」这类措辞，给不出凸点位于边缘 37.2% 处、曲率半径 1.8 毫米这种可复现的量。更麻烦的是，连续推 30 片时它给出了 A 接 B、B 接 C、C 又接 A 的环。
这不是孤例。2026 年 8 月的 JigShape 测试用合成拼图考了五个前沿模型：4×4（16 片）只有一家的表现高于瞎猜，8×8 时 GPT-5.5 从 70% 掉到接近随机，微调后在 12×12（144 片）仍不足 5%。研究者把这条曲线叫规模悬崖。
老 AI 能拼，新 AI 不能
反差在于解法。经典拼图求解器把每条边变成像素坐标序列，算欧氏距离，生成 1000×1000 的误差矩阵，再交给搜索算法找全局最优，几百片规模早有先例。它不需要看懂图，它只负责量。
所以真正该记住的是任务与工具的匹配：规则封闭、答案唯一、容差以零点几毫米计的活，交给生成式模型是把车床操作工换成了翻译。规模悬崖提示的不是「多模态没用」，而是当前架构缺少一个可累积、可回溯的外部工作台。
原文链接：https://www.tmtpost.com/8188396.html
来源：钛媒体
