Bing Chat圖像識別實測！懂梗圖、還能當醫生「看病」，搶先ChatGPT 開放有多強？|數位時代 BusinessNext

還記得今年 3 月 OpenAI 在發布 GPT-4 時提到的多模態功能嗎？

GPT-4 支持圖片輸入，可以看懂梗圖、看懂物理題，還能看懂論文，發布後震驚了所有人，這也是 GPT-4 相較 GPT-3.5 最大的升級點。

只可惜，OpenAI 表示圖像輸入功能仍然是研究預覽階段，還不能向大眾公開。

然而，近日 Reddit 有網友發現，自己的 Bing Chat 帳號悄悄新增了一個上傳圖片的入口，把圖片上傳上去後，Bing Chat 竟然會識別圖像回答！

此前微軟曾透露 Bing Chat 使用的正是 GPT-4 模型，並在上個月的大更新日誌中有提到會為 Bing 加入多模態支持，綜合來看，Bing Chat 很可能正在逐步開發向用戶開放圖像識別功能測試。

該網友對 Bing Chat 做了大量測試，讓我們一起看看「長了眼睛」的 Bing Chat 有多厲害吧。

Bing Chat實測！能看懂梗圖、識別動漫角色，還可以當「醫生」

首先是 GPT-4 最讓人拍案叫絕的看梗圖功能。GPT-4 不僅可以理解圖片裡的內容，還能像人類一樣分析出梗圖的笑點在哪裡。

例如這張梗圖中，GPT-4 可以看出圖片想要表達用過時的 VGA 形狀的接頭給 iPhone 充電是一件很荒謬的事，引入發笑。

網友也在 Bing Chat 上傳了同樣的梗圖做測試，奇怪的事情發生了：Bing Chat 並沒有認出這是 VGA 接頭，因此它也「get」不到其中的笑點，不過 Bing Chat 還是一五一十地把照片解讀了出來，甚至還能說出線的品牌，並給出更詳細的資料。

這也許是 Bing Chat 偶然的誤差，也可能是微軟在實際應用 GPT-4 做了更多的限制調整導致回答偏差。

網友再上傳了另一張關於機器學習的梗圖漫畫，這次 Bing Chat 就能比較準確地答出圖中的內容和笑點。

Bing Chat 對另一張在汽車上燙衣服的梗圖分析也同樣到位。

Bing Chat 識別圖像的精度有多高呢？他上傳了一張《任天堂大亂鬥》遊戲的角色圖，同一張圖上有排列著非常多的角色，要求 Bing Chat 一一認出所有的角色。

結果是，Bing Chat 在 12 個角色中認出了 7 個，看來二次元問題對它來說還是有點難度。

OpenAI 在發布時還展示了透過手繪圖照片就能寫網頁的案例，該網友也手畫了一張圖考考 Bing。

讓我們跳過冗長的代碼環節，直接看看這個網頁跑起來的效果。可以看出，基礎的網頁雛形還是搭建出來了。

圖像識別功能的加入給 Bing Chat 增添非常多的用途，畢竟現實中很多內容（例如公式、圖表）很難用文字表達清楚，這時候直接一張圖甩給 AI 就能得到回答。

例如讓它解釋一下染色體在減數分裂時交叉互換的過程。

讓它扮演生物老師，分析一下腎過濾的工作原理。

甚至可以讓它充當網路醫生，簡單診斷一下皮膚症狀。

此前，ChatGPT 由於出色的文字理解和表達能力，已經被人們開發出了學外語、練口語的功能。

Bing Chat 圖像識別功能開放部分用戶使用

再加入視覺識別後，Bing Chat 甚至可以擔任一個初中高中乃至大學老師的角色，幫助學生解答複雜的數理化問題，如果未來識圖功能推廣開來的話，這也許在一定程度上可以解決教育資源不均衡的問題。

用戶還可以用它做基礎的醫療診斷，節約就醫所需要的金錢和時間，展現出 AI 普及大眾的價值。

當然，Bing Chat 雖然能基本看懂現實世界的內容，但它的回答終究只能作為參考，不可以當做專業意見。

所以要完全向大眾開放圖像識別功能的話，微軟還需要做大量的限制和調整，才能確保大眾不會因為誤信 AI 的回答而出現安全問題。

在短期內，Bing Chat 圖像識別應該還只是少部分用戶才可以使用的測試性功能，如果你感興趣的話，可以登錄你的微軟帳號，看看在 Bing Chat 的聊天欄上是否多了一個圖片的圖案。

目前 Bing Chat 開放所有微軟帳戶，快來看看你有沒有收到測試資格吧。

延伸閱讀：Bing Chat端出爆炸新功能！找迷因、訂餐廳，中文也能生成圖片，亮點一次看

本文授權轉載自：愛范兒

責任編輯：蘇祐萱

因應生成式 AI、代理式 AI 與實體 AI 的崛起，模型成為企業資訊基礎設施的一環，企業不僅需要算力、還必須具備同時管理多個 AI 模型、優化營運成本，以及確保 AI 基礎設施的安全與穩定；有鑑於此，服務超過 2,000 家企業客戶上雲的勤英科技（ELITE CLOUD）將業務範疇從雲端代理延伸到 AI 基礎設施整合商，協助企業整合多元模型資源、因應不同應用場景彈性調度算力資源，在 AI 新世代建立可規模化的 AI Infra 能力。

「隨著 AI 從單一聊天機器人進化到多模型、多代理協作，企業的核心競爭力不再僅是擁有 AI，而是建立一套可管理、多模型共存、穩定、安全且可持續擴充的 AI Infra 環境。」勤英科技區域總經理黃士培表示，為協助更多企業推進 AI 創新實務，勤英科技從原本的 AWS、Google Cloud、Azure 雲端代理角色，進一步轉型為 AI 基礎設施整合服務商，透過多語言模型平台 MixRoute、代理式 AI 導入與企業資料治理服務，協助企業建立真正可落地、可管理、可擴展的 AI 應用架構。

從 IT Infra 到 AI Infra，企業最大挑戰不是模型、算力而是管理

過去幾年，許多企業透過生成式 AI 實現「問問題」、「摘要文件」、「生成簡報」，提升員工工作績效，而代理式 AI 的崛起與普及，則讓「內嵌 AI 的企業應用」快速成為新常態，從企業資源規劃（ERP）、顧客關係管理（CRM）、人力資源（HR），到客服、研發甚至製造系統，AI 開始深度嵌入各類企業應用，AI 扮演的角色也從單純的輔助工具，逐漸進化為企業營運與決策流程的重要核心。

也因此，企業保持未來競爭力的關鍵，不再是「有沒有導入 AI」，而是「是否具備管理 AI 的能力」，包括如何讓多模型共存、如何控管 Token 成本、如何確保資料品質與一致性、如何依不同部門需求配置 Agent，以及如何避免 AI 成為新的資訊孤島，都是企業導入 AI 後的新挑戰。

「Gemini、Claude、OpenAI、Mistral 等模型快速迭代，意味著企業若只押注單一模型，未來很可能在成本、效能與彈性上失去優勢。」勤英科技區域總經理黃士培表示，企業接下來更需要以「Models as Infrastructure（模型即基礎建設）」的思維，將大型語言模型視為與運算、儲存、網路同等重要的基礎資源來規劃、治理以及進行成本管理，將資訊系統架構重塑為 AI 基礎建設。

勤英科技服務的客戶數超過 2,000 家，不少客戶已導入 AI 應用服務，正積極建置 AI Infra 與管理環境，因此，勤英科技自 2025 年積極轉型，將 AI Infra 視為企業長期競爭力的基礎建設來經營，業務範疇從傳統雲端代理擴展至 AI Infra 整合服務商，例如與多模型平台 MixRoute 合作，並開發可支援單一登入（SSO）、彈性調度不同大型語言模型 Token 的管理平台，協助企業簡化模型管理與成本控管，將更多資源與心力聚焦於核心業務與創新應用。

從雲端代理走向 AI Infra 整合，勤英科技從三面向協助企業發揮 AI 綜效

有鑑於 AI 應用與雲端環境息息相關，勤英科技除因應企業客戶的多雲策略協助管理多雲環境、優化成本，以及落實資安治理，更因應不同使用情境推出三種 AI 方案助力企業：

第一：提供開箱即用的 AI 服務。

黃士培以 Google Cloud 的產品為例解釋，透過整合 Gemini 的 Google Workspace，企業可直接在 Gmail、Meet、Docs、Sheets、Slides 中使用 AI 功能，包括會議摘要、文件生成、簡報整理等，快速提升員工生產力，同時，增強企業對 AI 應用的信心，為之後的應用深化做準備。

第二：協助企業規劃、打造與導入代理式 AI 應用服務。

「對於擁有豐沛結構化數據資料、知識庫的企業來說，除以生成式 AI 打造企業大腦，還會透過代理式 AI 提升自動化執行能力，重塑工作效率。」黃士培表示，勤英科技可以基於 Google Gemini Enterprise，提供含括底層雲端架構、AI 模型調度、資料治理與 AI Agent 串接等服務，讓企業員工可以自然語言安全調用企業資料，讓 Agent 進一步執行任務與推動流程。

舉例來說，勤英科技協助在台灣成立超過 50 年的製造業品牌商將 Gemini Enterprise 介接 SAP 與 Salesforce 訓練模型、建立可供 AI 調用的企業知識中樞；另在影音內容生成領域，勤英科技亦協助客戶導入 AI 自動化技術，將內容產製成本縮減達 90%。

第三：提供多模型聚合管理平台，滿足企業以 API 串連各種模型的需求。

勤英科技與新加坡 MixRoute 合作，提供企業客戶多模型管理平台，讓企業可以視需求彈性敏捷的調度 Gemini、Claude、OpenAI 等不同模型，並透過單一帳號、單一帳單與 Budget Alert 機制，管理 token 使用量與 AI 成本。

「透過我們提供的多模型管理平台，企業客戶不會被單一模型綁定，可以在模型快速疊代的環境下，更靈活地管理成本與算力資源。」黃士培如是說道。

總的來說，隨著 AI 應用從單點工具走向大規模企業部署，下一波競爭核心將從模型能力延伸至 AI 基礎設施管理能力，而這也是勤英科技從雲端代理走向 AI Infra 整合服務商背後的核心原因：當 AI 開始成為企業營運的一部分，企業需要的，已不只是模型供應商，而是能協助串接雲端、資料、Agent 與應用場景的長期技術夥伴。

有關更多勤英科技相關資訊，請查詢網站：https://www.elite.cloud/zh/