文章来源：赛博禅心
图片来源：由无界AI生成先说结论：
多数模型，是色盲
人的绝大多数信息，来源于视觉输入。
我们用眼睛去看朝阳，看皎月，看大漠孤烟，看碧海雄关。那么，当我们拍下美景，来和大模型去讨论的时候：大模型看到的，和我们一样吗？
或许，大模型看到的，和我们，并不一样。
于是就有了这个测试：大模型是色盲吗？
做体检的时候，大夫可能会拿出几张图，问你是什么数字，就像下面这种
这是石原氏色盲检测图，由多种颜色的圆点组成多个数字：色觉正常者可以正确区分，而色盲患者则会判断错误。
那么，当我们把这些测试图给到 AI，让他来看看。这里取了两张最经典的：一个是色盲看不出来数字（红绿色盲读错），一个是只有色盲才能看出来数字。
测试 A
正常读数：74
红绿色盲：21
测试 B
正常读数：无数字
红绿色盲：5
被测试方，选了 4 家：
- OpenAI 的 GPT-4o
- Claude(Anthropic) 的 3.5 Sonnet，通过 Claude
- Gemini(Google) 的 2.0 (exp-1206)
- 智谱的 GLM-4
Prompt 统一使用：图里有数字吗？如果有的话，是什么？
第一题
正常读数：74；红绿色盲：21
ChatGPT 的 GPT-4o，回答正确
Claude 的 3.5 Sonnet，有些色盲
Gemini 的 2.0 (exp-1206)，实锤红绿色盲
智谱 的 GLM-4，回答正确
小结：OpenAI 和智谱的模型，在这个测试中，色觉正常。Gemini 是红绿色盲，Claude 不知道是什么色盲
第二题
正常读数：无数字；红绿色盲：5
ChatGPT 的 GPT-4o，回答出了一个 5，鉴定为半色盲
Claude 的 3.5 Sonnet，回答出了一个 5，鉴定为半色盲
Gemini 的 2.0 (exp-1206)，啥也不是
智谱 的 GLM-4，回答正确
小结：在这个测试中，只有 GLM-4 回答正确。
得出结论
先说结论：基于上面的色盲样本测试，智谱在视觉理解上比大多数模型都强。
OpenAI
Claude
Gemini
智谱测试 A✅
❌❌✅测试 B
❌❌❌✅
难怪获得了白宫恐慌认证：《智谱：关于被美国商务部列入实体清单的声明》
然后，智谱在进实体清单当天，硬刚了一个对标 GPT-4o 的 realtime API，赋能硬件嘴巴和眼睛，且是有两分钟的记忆能力、能唱歌的端到端模型，应是当下国内最强。
理解模型 GLM-4V-Plus 也进行了全面升级（网页上的 GLM-4 在读图的时候，也是基于这个），支持了变分辨率功能，更省 token!（例如，224 * 224的分辨率下，输入的图像token数仅为原来的3%），同时支持4K超清图像和极致长宽比图像的无损识别。
以及，其视频理解模型更新，支持 2 个小时的内容了：《智谱Realtime、4V、Air新模型发布，上线bigmodel.cn》
当然，从开发者的角度，最值得吹嘘的还得是以下 4 种模型全免费：
- 语言模型 GLM-4-Flash
- 图像理解模型 GLM-4V-Flash
- 图像生成模型 CogView-3-Flash
- 视频生成模型 CogVideoX-Flash
在最后还得说，这个测试一点都不严谨，而且我们也应知道，模型和人看图的原理，就是不同，但很有意思：只有大模型对世界的观察，和我们一样，才能更好的服务于我们。
以及... 国内其他几家我也测了，结果并不理想。如果想知道结论，可拿文章里的图自来测，然后发到评论区。
大模型
