前沿模型画图惊艳，但改不了个箭头？多模态编辑能力遇瓶颈

anshulkundaje · x · 2026-08-02

斯坦福大学教授 Anshul Kundaje 测试发现，前沿模型（如 GPT）能根据复杂的文字描述生成令人惊叹的图表，但在后续的精确修改上表现极差。

网友指出当前的普遍痛点：模型无法根据指令微调已有图像（比如仅仅翻转一个箭头的方向），也无法将图像转换为可编辑的 SVG 或 PPT 格式。这暴露出当前模型在图像理解与可控生成上仍存在明显短板。