把1000片纯白地狱拼图交给大模型,它五小时就崩溃了

一副 1000 片的“纯白地狱”拼图没有图案、没有色块, 每片几乎一样 。有玩家用 12 天拼完后, 把散片拍照交给大模型配对; 五小时后实验收场, 模型说得专业, 验证却几乎全错。他原以为, 规则封闭、答案唯一, 正是 AI 的主场。

📌 实验设计很朴素

• 重点: 我耗时 12 天拼完 1000 片纯白地狱拼图, 尝试交给大模型挑战, 它 5 小时便陷入崩溃。不是 AI 不能拼,…
• 重点: 当前公开信息主要集中在产品、策略或节奏变化上。
• 重点: 后续仍需关注官方更新、落地范围以及实际反馈。

他在桌上划出 20×50 的格子,1000 片各占一格并编号 , 再拍照上传, 让模型判断哪两片能咬合。按设想, 这能把盲目试错变成按表配对, 他负责动手验证。起初模型准确指出难点在缺少颜色线索、只能靠形状匹配, 还建议先拼边框; 但问到具体两片时, 它给出“曲率互补”的判断, 实物一试便失败。

🔍 卡点是测量与全局状态

生成式模型处理图像, 本质是生成描述 。它可以说“这边凸得比较陡”, 却说不出凸点的精确位置和曲率半径。拼图判定的是物理咬合, 容差极小, 描述替代不了测量; 同一片问两次, 措辞还可能不同, 输出无法稳定复现。描述能提供线索, 却无法给出可复现的数值依据。

它也没有“工作台”。 人拼图时 , 已拼好的区域是锚点, 新片对着成形区域找位置, 对了就沉淀为确定结构; 模型每答一次都像重新看图, 判断不会累积。让它连推 30 片, 它甚至给出“A 接 B、B 接 C、C 又接 A”的闭环。这种全局一致性, 恰是模型架构里缺少的东西。

💡“规模悬崖”已有论文记录

2026 年 8 月一项名为 JigShape 的研究用合成拼图测试五个视觉模型:16 片时只有一个模型明显超过随机猜测,64 片时集体回落到瞎猜水平 , 微调模型到 144 片正确率不足 5%。研究者称之为“规模悬崖”——片数增加、约束变多, 模型便全线崩塌。作者的实验只是再次撞上同一堵墙。

📊 能拼的是“老 AI”

这不等于 AI 完全不会拼图。 自动拼图求解已有几十年历史 , 传统做法是提取轮廓、计算吻合误差、再用搜索优化找全局最优, 数百片规模早有先例。能完成这类任务的是把问题数学化的“老 AI”; 对话式大模型输在精度、状态维护和全局一致性。路线不同, 结果也不同。

🚀 更值得警惕的是分工错位

作者由此想到另一层: 人们把写作、思考、判断这些本该自己做的事交给 AI, 却让擅长描述的大模型去干需要精确测量的活 。麻省理工学院 2025 年的脑电实验、OECD《2026 年数字教育展望》提到的“元认知懒惰”, 都指向思考外包的风险。长期依赖 AI 写作的参与者, 神经与行为表现偏弱, 甚至难以复述自己刚写完的内容。