今天小編分享的科技經驗：識别美食PK，Kimi和豆包誰赢了？，歡迎閱讀。
出品｜虎嗅科技組
作者｜餘楊
編輯｜苗正卿
頭圖｜視覺中國
有沒有發現，降溫後，下班回到樓道，家家戶戶的外賣似乎都香了很多。
這不是錯覺，更不是變饞了。
科學研究表明，一方面，寒冷天氣中，人體需要更多的能量來保持體溫，高熱量食物可以提供這些所需的能量。另一方面，在進化過程中，人類為了在食物稀缺的季節生存，會自然地增加脂肪儲備以備不時之需。雖說現在有暖氣，沒有天寒地凍的威脅，但深藏在基因裡的本能，還是會驅使人們尋求高熱量食物。
另外，食物與情緒之間存在強鏈接，高熱量食物如甜食可以刺激大腦釋放多巴胺，有助于緩解壓力和提升情緒。畢竟，" 晚來天欲雪 " 的天氣，白居易下了班，也要 " 紅泥小火爐，能飲一杯無？"。
随着氣溫持續走低，是選擇 " 貼膘 "，還是繼續做控卡達人呢？
控卡首先是得掐着熱量吃飯。
但沒幾天就會發現，算熱量太累了。于是想到，AI 或許可以一試。拍照讓 AI 估算食物熱量，管理自己的熱量攝入。
iPhone 發布後新上線的一鍵拍照調用 AI 功能也發掘出了這個思路。最近，躍問 app 因為針對 iPhone16 開發了一鍵調用相機接入 AI 提問的功能而火出了圈。
這一方面釋放出 AI 場景化的控卡垂類用戶信号，另一方面也考驗着 AI 的影像分析能力。
話不多說，今天我們就來淺淺測評 AI 的食物熱量估算能力，push 一下影像端側 AI 應用能力生長。
今天參與測評的選手則包括 Kimi、豆包、秘塔 AI 和躍問。
Prompt 為：假設我中午把這些都吃完了，請問我一共攝入了多少熱量，附件圖片如下。
我們先粗略估算一下參考答案。
圖中是：
一份漏奶華，大約 250g，總熱量約 400kcal；
一份叉燒飯，叉燒約 100g，青菜約 40g，滑蛋約 50g，米飯 150g，總熱量約 600kcal；
一份烤香腸玉米蔬菜拼盤，甜玉米 30g，嫩南瓜 70g，烤腸 120g，總熱量約 400kcal；
一份咖喱魚蛋，共 6 個，約 120g，總熱量約 120kcal；
一杯港式冰奶茶，約 200ml，總熱量約 200kcal。
圖中所有食物熱量約為 1720kcal。
餓了嗎？記住這份标答。
Kimi
首先是 Kimi，大約 10 秒鍾 Kimi 就交了卷。
首先，Kimi 十分懂中國人的胃，不僅準确識别了食物名，熱量估算也大致準确。把奶茶識别成了熱巧克力，倒也情有可原。
這直接抬高了我對接下來測評的期待。
豆包
然後是豆包：
豆包的食譜顯然需要豐富一下。漏奶華也許可以約等于松餅，咖喱魚蛋也可以約等于蘸醬了的炸丸子，但是雞蛋蓋飯上的肉直接被無視了，和标答的熱量差額也就出來了。
不過，豆包還貼心的給出了食物的方位。
秘塔 AI
秘塔的回答則是：
這是目前為止唯一一個識别出烤蔬菜的 AI。
秘塔正确識别了玉米、烤蔬菜、香腸、咖喱魚丸、奶茶。
漏奶華也可以約等于巧克力吐司，但芝士培根飯的芝士顏色，是不是深了點呢？
此外，秘塔的回答簡單明了的同時，也缺失了食物數量的描述，總體來說，我認為秘塔不善此道。
躍問
最後到躍問：
有意思的是，按照躍問的文本輸出邏輯來推算，其他的 AI 都是從上到下掃描識别食物，但躍問是從左到右掃描識别食物，因此奶茶在第二順位？這個細節所顯示的，可能是底層程式的差異。
另外，從躍問給出的答案來看，它對食物的尺寸和比例沒有概念，從而把漏奶華識别成了提拉米蘇。
同樣，躍問也沒有給出食物的數量，都是一塊、一杯、一份的總量詞描述，對于圖片中的同類項合并能力還尚待觀察。
語言陳述方面，我也建議，可以試着更加 AI 一些，不要 " 我建議你 "。
總結
Kimi 在食物識别和熱量估算方面表現較好，盡管有小錯誤，但總體準确。
豆包對方位更敏感，但需要豐富食譜庫。
秘塔 AI 在識别多樣性上表現不錯，但在食物數量和份量的描述上有所欠缺。
躍問的圖片識别邏輯可能與其他 AI 不同，對圖片所顯示的食物尺寸、比例、數量等變量顯然不夠敏感。
不同 AI 在影像分析和食物熱量估算方面的能力各有所長，也顯示在實際應用中的潛力和需要改進的短板。
總的來說，成為人類的生活助理，AI 們還得加把勁兒。
如果你有觀點、想法或想看的測評，歡迎和我交流。如果你喜歡這期内容，别忘了一鍵三連，因為這也是我探索更新的動力，我們下期再見～
