Xin Zhiyuan报告编辑：Aeneas Rhino [Xin Zhiyuan简介] O3功能在查看图片时识别位置简直令人恐惧！ Django Web Master Simon Wilson发现，O3可以用Python代码覆盖其自己照片的地理位置。真的太反乌托邦了。 AI中的地理信息是否完全清楚？自Openai的O3发行以来，此功能使许多网民感到可怕 - 捕捉 - 它可以准确地打破您在地理上的位置！刚才，Django Web框架的创建者Lanyrd Lianchuang和Simon Wilson专门出版了一个博客，详细介绍了O3如何预测图片所拍摄的位置。他将整个过程审查为：超现实和反乌托邦，好像几十年前的科幻小说突然变得现实！ Pmore和更多人发现，识别和定位O3图像的功能是疯狂的。扩展全文 随机拍照，O3会告诉您在哪里 第一的，我们可以尝试拍摄一张随意的照片，最好是没有清晰的地标。 然后将图片传递到O3或O4-Mini，然后问：“猜猜这张照片在哪里拍摄？” 请注意，您应该杀死chatgpt内存功能，否则它将使用上一个对话的上下文作弊。 实验开始了！ 威尔逊（Wilson）在他位于加利福尼亚州埃尔·格拉纳达（El Granada）的家附近的一家露天酒吧里给O3拍了一张照片。 他发现这张照片具有挑战性，没有明确的特征。只有一条短路，两间普通的房屋，还有一个远处有一个小轮廓的山丘。 如果有租金确定通过这张照片确定枪击的位置，将非常困难。我相信大多数人直接放弃。 因为没有明确的标记。 但是O3不在乎这一点，所以他开始搜索图片。 威尔逊分享了O3的整个思考过程，该过程持续了6分48秒。 它开始调查一个小奇怪的错误，首先假装看不到图片。 然后突然恢复了您的视力。 查看图片后，O3开始考虑图片中的车牌。但是，该车牌在裸眼中并不清楚且难以识别。 O3还在考虑它的同时检查它，并且需要加强它。 为了确定许可证牌匾的位置，O3开始更改为程序员，并编写了代码。 在找到车牌位置并放大后，O3开始了更详细的审查。例如，他开始观察牌照风格。 O3会加剧您注意的细节。 在此过程中，该代码不断形成以在其评估中进行合作。 O3将其“可见”的详细信息与出现在脑海中的印象进行了比较。 经过仔细考虑超过6分钟之后，它终于给出了最终答案。 结果是什么？加利福尼亚中央公司AST是完全正确的。 但是第一个O3预测约为200英里，但其下一个预测El Granada是准确的。 克劳德（Claude）的推理很粗糙，双子座直接被骗 西蒙·威尔逊（Simon Wilson）还说，O3并不是唯一可以做到这一点的模特，他做了与克劳德3.5和3.7十四行诗相似的事情。 只是他们没有太多的“ YouReat” O3功能。 图片的不断升高如何受益？ 威尔逊（Wilson）猜测，模型的视觉输入的分辨率可能相对较低，因此它将有助于制作一些图像。 但是O3修剪25次的照片似乎有些令人惊叹。 西蒙·威尔逊（Simon Wilson）还发布了克劳德（Claude 3.7）十四行诗的“扩展思维”的结果，该书回答是“加利福尼亚海岸的一个中小型小镇”。 与O3相比，克劳德的思维过程似乎“粗糙”。 双子座直接开始作弊：“鉴于目前的定位是加利福尼亚州的埃尔·格拉纳达……” 因此，西蒙·威尔逊（Simon Wilson）必须尝试API的Gemini 2.5 Pro，但是对这是错误的信心，认为这是“加利福尼亚州卡尤科斯厨房中隐藏餐厅的露台”。 O3之间的区别是使用该工具（处理图像，Python等）集成到“思考”阶段中。 真漂亮。 但是威尔逊还承认这有点令人不安。 等等，O3也是作弊吗？ 关于此过程，有人问：O3是否可以访问粗糙的位置模型，您能找出用户在哪里吗？ 经过审查后，西蒙发现他知道地理位置的位置。 如果您问O3：您知道我在哪里吗？请提供尽可能多的技术细节。 它提供的答案尤其是加利福尼亚的半月湾，还包括时区，纬度和经度，地理身份，身高，气候分类等。 西蒙猜测这可能是提高搜索功能的一部分。 但是，Simon随后对O3更有信心 - 即使没有TH是位置模型，仍然可以准确预测地理位置的位置。 例如，他给O3的照片距离他的实际位置数千英里，并通过屏幕截图删除了EXIF信息。 下图是在马达加斯加农村地区拍摄的。 但是O3仍然提供了准确的判断。 这张照片是在布宜诺斯艾利斯市拍摄的。 该模型还认识到其地理位置的位置。 因此，在这方面实际上有一些出色的O3功能，并且似乎并非基于作弊。 CSI正在进入事实 西蒙·威利森（Simon Willison）说，看着处理图片的模型的过程就像观看“犯罪现场调查”阶段。 它将继续汇总和大小，讨论各种可能的位置。 但是，人们也会做一个深深的反乌托邦环境。 有，您有必要保持警惕，并始终关注您的人身安全！ 查找餐厅和地点，O3可以制作任何 实际上，早在过去一周，当O3和O4-Mini首次发布时，无数网民发现这两种模型非常了不起。 只需菜单或景观图片而没有EXIF信息，它可能是准确的原因，并颠倒地找到拍摄的位置，这直接触发了整个网络中的新的AI波播放“照片地址（Geoguessr）”。 起初，人们认为他们只能匹配图像，但这不仅仅是这样 - 他们喜欢推理和在线搜索，直到找到正确的答案为止！ 可以说，只要您的照片暴露于AI，您的信息就不再是隐私。 著名的投资者Deedy发现，如果您只给您没有标题和EXIF数据的菜单照片，则O3可以在线搜索，在比赛菜单中的项目，并找到这家中餐厅的位置。 O4米尼也是如此。 O3准确寻找地理的能力图片的IC信息简直令人恐惧。 例如，从下面图片左侧的内窗上欣赏沿海视图。 根据图片中揭示的信息，您只能看到长长的沙滩，楼梯在海滩上盘旋，远处的岬角和附近的一些植物。还有一个花瓶，窗户上插入了花朵。 那只是信息。 但是真的猜到了获得图片的O3：可能在加利福尼亚州奥兰治县的Dana Point的Ritz-Carlton Laguna Niguel中，可能是Close Toraya或180blũ餐厅。 多么可怕的人猜对了！ 它如何判断？与以下匹配功能相匹配。 西北台式，长，温和弯曲的盐溪海滩。 米色，锯齿形露台风格的步道和从酒店到公共海滩的楼梯。 Meadows Inland Beaches是君主海滩高尔夫连接。 远处的岩石岬角（达纳点）。 西北阵程长，长，温和弯曲的盐溪海滩。 米色，锯齿形露台风格的步道和从酒店到公共海滩的楼梯。 Meadows Inland Beaches是君主海滩高尔夫连接。 远处的岩石岬角（达纳点）。 尽管O3还提供了酒店的地址（CA 92629的Dana Point，Dana Point的丽思卡尔顿大道）和纬度和经度的估计坐标（33.482°北纬33.482，西纬度为117.721°）。 网民使用Google地图确认答案是完全正确的。 接下来，网民上传他们的照片，要求O3猜测位置。 例如，根据下图，O3预测是亚利桑那州北佩森的水轮瀑布 / Ellison Creek Cascades。 它是如何预测的？逻辑和主要线索的理由如下。 视觉线索：浅水瀑布，下降约15英尺，落入深色池中 - 匹配点：水轮瀑布具有类似的倾斜花岗岩通道，流入祖母绿水池。 视觉线索：粉红色的花岗岩墙，带有垂直裂缝点匹配：这是峡谷的标志性Mogollon边缘。 视觉线索：位于瀑布下方的大型漂白日志 - 点匹配：水轮瀑布具有标志性的“楼梯”日志，该日志已经存在了很多年（引用了来自外向的信息）。 视觉线索：瀑布上方的稀疏河边灌木和亚利桑那松树林 - 匹配点：通常在埃里森溪（Ellison Creek）的走廊中植物。 视觉线索：下降约15英尺的浅滑水瀑布，落入一个黑暗的游泳池 - 匹配点：水轮瀑布具有流入祖母绿池的类似倾斜的花岗岩通道。 视觉线索：粉红色的花岗岩墙，带有垂直裂缝点匹配：这是峡谷的标志性Mogollon边缘。 视觉线索：位于瀑布下方的大型漂白日志 - 点匹配：水轮瀑布具有标志性的“楼梯”日志，该日志已经存在了很多年（引用了来自外向）。 视觉线索：瀑布上方的稀疏河边灌木和亚利桑那松树林 - 匹配点：通常在埃里森溪（Ellison Creek）的走廊中植物。 现在，NETIZENS在O3中的测试仍然是升起的。 NVIDIA研究员Zhaocheng Zhu给了他用远摄镜头拍摄的一套照片。没有EXIF数据，因此O3内存功能已关闭。 由于大多数互联网照片都是使用广角镜头拍摄的，因此对于O3来说，这张照片应该非常令人困惑。 朱本人说，如果他没有通过镜头看到这个角度，他就不知道这个地方在哪里。 结果，O3猜对了。 对于这张照片，它不仅准确地找到了射击的位置，而且还将图片中的峰值视为圣托罗萨山脉。 在困难继续增加之后，O2猜出了三个位置，其中一个是正确的答案-Chalva Heights。 最后，在预测这张照片的同时，O3失败了。这是一个静止 - 加拿大山脉的海景，但Theo3被认为是瑞士阿尔卑斯山。 这可能是因为航行照片占训练集的比例很低。 此外，O3不仅考虑到国外地理位置的位置。一位国内开发商在他的旅途中随意拍摄了一张照片，并实际上审查了步骤 - 步骤 - 步骤 - 不。山东省青岛北区重庆南路47。 关于 有人问图片是否已经定位了？ 南尼说，iPhone图片中的说明中只有拍摄参数，但没有位置参数。 O3的推理应在卢u的青岛外面，从海豚搜索旁边的商店，然后从百度地图和Qingdao的当地财富中搜索信息，审查了附近的邮局，最后确认了这一点。 没有有关照片信息的位置信息 请记住，这是只有2025年的O3型号。未来模型还能做什么？ 参考： https://simonwillison.net/2025/apr/26/o3-photo-photo-docations/ https://chatgpt.com/share/680C6160-A0C4-8006-A4DE-CB8AFF785F46回到Sohu，以查看更多