我发现 AI 可能真的读不懂钟表。

这是这两天我在测试模型的时候发现的。

我给了下面这样一张时钟图：

我觉得基本上都能一眼看出这个时间是 8 点 19 分。本来以为以现在 AI 这样的能力，读个几点钟应该是没什么问题的，但是我却发现真的接连在翻车。

我问了 GLM-4.5 V：

你就说这答案是不是太离谱了点。不信邪的我，又去问了豆包。

emmm... 真这么离谱么 。于是我又去测了 Claude。

也是错的。。 真特么离谱，有这么难？

于是我又去测了 GPT-5 和 Gemini 2.5 Pro， 把希望寄托在它们两个身上，希望它们能够拯救即将全军覆没的 AI 大军。

还得是 GPT-5 啊，答得是最最接近答案的了，除了秒针没有对以外，其他都对了。

Gemini 2.5 Pro 相比于别的模型的回答，也还算凑合能看了，至少没错的那么离谱。

可是，这是为什么呢？

为什么能够在 IMO、高考这些有难度的数学考试里拿到金牌、满分的模型，连一个幼儿园、小学生都会做的任务都完不成？

说来也巧，我在刷 X 的时候，还真的刷到有个大佬拿这个读时间任务作为一个 Benchmark 来考验模型。

人类的基础水平线是 89%，AI 最好的水平线是 Gemini 2.5 Pro ，Grok 4 甚至只有可怜的 0.7%。

终于有一项任务，人类可以狠狠地鄙视下 AI。

但，还是那个问题，为什么 AI 理解不了人类的时间呢？

我用了下深度研究，找到了篇在研究了这件事儿的论文，放在这儿了：

《Have Mutlimodal Large Language Models ( MLLMs ) Really Learned to Tell the Time on Analog Clocks? 》

原因有几点：

专业的话术是：数据的分布偏移 + 只记模式，以及不学规律 。

这个用通俗一点的话来理解就是，训练数据里某一类数据特别多，出现了数据比例不均衡的情况，导致模型学偏了。

大家都知道现在大模型的知识来源有很大一部分是来自互联网的，等于说我们的互联网上有什么数据，模型就吸收什么样的知识。

那在我们的互联网上，随手一搜就能发现，有很多关于时钟的图像都是长这样：

有没有发现，我随手截的这一页时钟，大部分的时间都停在了 10 点 10 分。

这不是什么巧合，而是有说法的。

在广告行业，特别需要视觉展示的领域里，10 点 10 分这个位置是最和谐的对称美学，它能既符合人类平衡、稳定的审美偏好，也完整展示了表盘的结构和信息。

但是，这种视觉上的美好和谐也就给模型造成了过拟合的现象。只记住了这个时间的信息特征，一旦遇上没碰到过的，就崩溃了。就跟我们考试一样，平时做的都是比较简单，又相似度极高的题，一到考场上碰上平时没见过的题目，直接噶屁。

还有一点是，当前的视觉模型对视觉几何上的差异是不敏感的。说人话就是，偷偷拨弄一下时钟或者分针，或者改变一下指针的模样，AI 都看不出来是咋回事。

但是看时间又是一个非常需要高敏感的场景。比如前后差 5 分钟、或者时针分针稍微交换一下位置，时针分针形状稍微变一变，都完全不是一回事儿了。

更难的是，在实际场景中，很多的钟表的表面是有反光、模糊的，甚至有的钟表为了做好看，有艺术感一点，还会做成扭曲的样子，这更加进一步的增加了模型识别的困难。

所以在实际场景中，AI 如果视觉上存在这样严重的缺陷，是会带来很大的麻烦的。

举个例子来说，医院买了一个 AI 助手来提醒病人按时吃药。病人在早上 8 点钟吃了药之后，下一次吃药的时间应该是 1 个小时之后，结果过了 10 分钟，该助手报时给病人了，这个助手就瞎报时为下午 4 点。。。

这不就直接炸了么。。。

这让医生以后如何去使用这样的 AI 系统，病人又该如何相信使用这样垃圾 AI 的医院呢？

本来是用来提升效率的事儿，结果反倒还会出大事儿。

不止是在医院里，任何时间非常敏感的场景，如果采用了现在的视觉理解模型，翻车几乎就是必然的事情。

再让我们回归本质，当前的 AI 模型仍然依赖于海量的训练数据，如果某些应用场景曾经大量的出现在训练数据中，那它会取得不错的效果，比如数学、编程，但是如果某些场景在训练语料里样本偏少，那 AI 大概率表现的不会太好。

AI 本身没有任何问题，能够解决博士级别的科研难题的是它，数不清一个单词有几个相同字母的是它，认不清时间的也是它。

一切都取决于我们人类如何使用它。

我当然坚信 AGI 一定会来，但是通往 AGI 的道路上看起来我们还需要解决很多的问题。

所以，下次如果再看到 AI 画出精美的插画，写出动人的诗篇和文章时，请记住，它也有可能连当下的时间都无法告诉你。

既不要神话、美化它，也不用过分贬低、瞧不起它。

毕竟，要看清这个世界，有时候并没有我们想象的那么容易。