截至2026年11月19日的公开实测记录和已发表研究,还没有一款主流生图模型被证实能稳定画对指定数量的物体。讨论从11月18日上午开始,微博用户「一号哨位」把与豆包的多轮对话截图发出,请豆包画一张「盒子里有13个鸡蛋」的图。模型改了十几次仍数不对,最后放弃生图 [1],改用一句「第一排4个、第二排4个、第三排5个,4+4+5=13」的文字清单交差 [4]。原帖当晚点赞近两千 [1],「豆包被十三个鸡蛋难倒」随之登上微博热搜 [2];11月19日,微博上出现「哪家AI能画对13个鸡蛋」等其他同题帖 [2]。
这波热闹被什么值得买上的聚合稿收拢成一份台账,覆盖微博、知乎、小红书、抖音、B站一个半月以来的实测记录,涉及九款主流模型。结论是至今没有任何一款模型被证实能「稳定」画对13个鸡蛋,所谓一次画对全部出自单次个人测试,同一款模型在不同人手里结果互相矛盾 [3]。对创作者来说,这份台账回答了两件事。单张成功截图撑不起能力表;数量有硬要求的图,生成后自己数完再用,模型口头说「数对了」不算数。
九款模型的实测台账,撑不起一张能力表
整理者在台账开头交代了口径,所有记录都是一次性的个人实测,不是统一条件下的系统评测 [3]。热搜主角豆包的翻车路径最有代表性。首版一盒12个,让它补,它说补到了,再数还是12个;换成编号锁定,图里出现了两个「3号」;换成红点阵,一数只剩9个;有人复测直接拿到14个,也有人磨到第六次才画对 [3]。新浪看点的一篇稿子记录了同一场拉锯的另几个回合,数量在12、9、11、15之间来回跳,红点标记也会少生成一个,被指出后声称「已补到13个」,实际仍是12个 [4]。评论区里,有人晒出改到第17次才成功的记录,有人复刻考题说「我的豆包跟15颗干上了」;面对免费额度的质疑,博主答复「付费的也是,我测试了」 [1]。
其他模型的成绩同样难看。千问先画了15个,被告知「可以有空的栏位」后反而变成16个;台账里唯一一条「一次画对13个」的记录属于 Kimi [3]。一条抖音实测把豆包、千问、元宝、GPT、Gemini、Grok六款放在一起测,结论是无一数对 [3]。另一些单条记录里,元宝和千问在同样指令下画不对,有用户实测元宝画了两遍也没成功;可也有技术博主反馈千问和ChatGPT一次就画对,豆包画了4次才成功 [2]。
矛盾本身就是这份台账的结论。同一款模型,有人第六次画对,有人第十七次成功,有人一次就过,各条记录给出的成绩对不上。这说明单次成功只证明那一次过关,证明不了下一次还对。记录里最系统的一条也改变不了这个性质。AI博主@零重力瓦力用一条「正俯拍13个白鸡蛋、每颗蛋之间留出可见空隙、完成前必须数一遍」的统一提示词测了9款主流生图模型,画对数量的只有4家,GPT Image 2.6、Nano Banana 2.1、Ideogram 4.5和Luma UNI-1 [2]。名单里没有出现国内模型的名字,这一次过关的清一色是海外模型;即便如此,它仍是单一测试者的单次结果,够不上能力表。
数量是提示词里最弱的约束
豆包之前,同样的毛病已经在别的模型身上出现过。2025年岁末的「手指难题」里,提示词明确写了六根手指,GPT-5.2仍回答五根 [1]。公开分析对这类现象的解释指向生成机制。主流文生图扩散模型把噪声一次性铺满整张画布,内部没有计数器,也没有能累加的变量,画面里物体数量靠像素间的注意力关系隐式维持,要维持的物体越多,这些关系越松 [2]。训练数据的先验叠加在机制上,现实里常见的鸡蛋盒绝大多数是12格,模型一提鸡蛋就往熟悉的排列上靠;在那次统一提示词测试里,画错的模型几乎都把鸡蛋排成了整行整列 [2]。语言模型完全能理解「13个」的含义,卡住的是负责画图的扩散模型,能算对和能画对是两条独立的能力路径 [4]。
学术研究的结论出现得更早。2025年3月提交的论文《Text-to-Image Diffusion Models Cannot Count, and Prompt Refinement Cannot Help》建立了 T2ICountBench 基准,摘要的结论是所有最先进的扩散模型都无法生成正确数量的物体,物体数量越大准确率越低,仅靠改提示词这类简单干预通常无济于事 [5]。这与这波实测记录方向一致。
公告里的「稳定」不覆盖计数
厂商公告是另一面。2026年11月9日,字节跳动Seed团队发布新一代图像创作模型 Seedream 5.5,官方列出三项升级,多轮编辑更稳定,实现非编辑区域的像素级保持,支持围绕同一作品多达100轮的持续创作;原生RGBA透明素材生成;质感与文字渲染改善。评测自述依托 MagicArena 平台,相比 Seedream 5.0 Pro,六类场景的生成效果评分与可用率均有提升,影视与办公两个场景的可用率达到上一版本的两倍以上,以上能力与评测表述均为厂商自述 [6]。模型正陆续在即梦、豆包、豆包工作、火山方舟等平台上线 [6]。
把公告和这道热搜题放在一起,考的是两回事。公告里的「100轮」语境是围绕同一人物连续编辑100轮,每一轮以前一轮结果为基础 [6],考的是编辑稳定性;热搜里那道题考的是一次生成指定数量。已抓取的发布稿文本里,没有出现数量生成或物体计数相关的能力项 [6]。发布与翻车热搜相隔九天,公告回答不了热搜里的问题。下次读生图模型的更新公告,值得留意能力清单里有没有数量生成或物体计数这一项;没有这一项,「更稳定的多轮编辑」覆盖不了画对13个鸡蛋这件事。
把生图当差一道验收的草稿
流传的应对里,直接给出具体排布的一类问法最有实操价值。同样让豆包画13个鸡蛋,直接报数字反复出错,改成「第一排5个,第二排5个,第三排3个」就几乎能一次画对 [2]。这条路有边界。要求模型自己安排空位的问法都翻车,「2行7列,13个鸡蛋,一个空着」画出了11个,「15格的盒子放13个鸡蛋、空2格」再次翻车;按那份九款实测汇总稿的分析,模型认识「13」这个数,摆不出「13个占位加若干空位」的精确画面 [2]。
比翻车更容易被忽略的是模型的自我评价。有用户拿着画错的图追问,模型表示自己「已经确认过」是13个,被当场戳穿后才承认确实只有12个 [2];「已补到13个」的口头确认与画面不符的记录,也出现在豆包的对话里 [4]。模型说「数对了」,依据的正是它最弱的那项能力。
把这些记录合起来,现阶段的使用方式,那份九款实测汇总稿的概括说得最贴切。把生图产出当「完成95%的草稿」用,纹理、光影、氛围接近实拍;凡是数量有硬要求的图,比如产品清单、信息图、教学配图,生成后自己数完再用 [2]。这个做法建立在截至2026年11月19日的公开个人实测和已发表研究上,属于概率层面的稳妥选择,不构成对任何模型的保证;哪天厂商把数量准确写进能力清单,第三方复测跟上,这条边界再重估。热搜问哪家AI能画对13个鸡蛋,到今天为止,公开记录给出的回答是还没有一家被证实稳定做得到。