用户吐槽Gemini视觉能力退化，识别精度不及豆包

背景

近期在 LINUX DO 社区的 AI 板块中，流传着一段关于 Google Gemini 模型性能退化的讨论。起因是一位用户分享了一张设计极其复杂且存在明显缺陷的 PCB（印制电路板）图片，并尝试让不同版本的 AI 模型进行问题排查。

用户特意采用了中性提示词，要求模型自主评价，以排除提示词工程（Prompt Engineering）对结果的干扰。然而，测试结果显示，Google 最新的 Gemini 3.1 Pro 和 3.5 Flash 版本在视觉识别和工程逻辑判断上表现不佳，甚至不如字节跳动的豆包模型。这一现象引发了社区对于 Gemini 模型近期版本迭代质量的质疑，尤其是与去年表现优异的 Gemini 2.5 Pro 形成了鲜明对比。

核心内容

本次测试主要围绕一张存在严重设计问题的 PCB 图片展开，重点考察了多个 AI 模型在视觉理解、电路逻辑分析及细节捕捉方面的能力。

1. 测试对象与场景

• 测试素材：一张设计“逆天”（即极其糟糕或充满错误）的 PCB 图片。
• 测试方法：使用中性提示词，要求模型自主找出图片中的问题，避免人为引导。
• 涉及模型：
  • Google Gemini 3.1 Pro (Web 端，使用 Voyager 插件截图)
  • Google Gemini 3.5 Flash (AI Studio 端)
  • 字节跳动 豆包 (Doubao)
  • 对比参照：Google Gemini 2.5 Pro (Arena 平台数据)

2. 各模型表现详情

• Gemini 3.1 Pro (Web)：表现令人失望，未能识别出 PCB 中的关键错误。
• Gemini 3.5 Flash (AI Studio)：表现相对较好，但整体评价依然有限。
• 豆包 (Doubao)：表现优于 Gemini 3.1 Pro。尽管也被用户吐槽为“夸夸王”（倾向于正面评价），但豆包至少识别出了 PCB 设计中一个核心问题：供电系统的数模隔离形同虚设，以及接地铺铜设计混乱。
• Gemini 系列整体缺陷：除了 AI Studio 中设置拉满的 3.5 Flash 版本外，其他版本的 Gemini 均未能识别出 PCB 中“意义不明的地铺铜”这一明显设计缺陷。

3. 历史对比与反差

• Gemini 2.5 Pro 的辉煌：用户回忆去年发布的 Gemini 2.5 Pro 拥有极强的视觉解析能力。它曾成功识别出超远距离拍摄的黑板上，由手机摄像头拍摄的、由神秘 AI 算法合成的模糊公式。即便人类专家都难以辨认的“依托”（网络用语，指代低劣、混乱的事物），2.5 Pro 也能精准解读。
• 当前的落差：相比之下，现在的 Gemini 3.1 Pro 连基础的 PCB 电路逻辑错误都看不出来，被用户调侃为“降智”，甚至不如国产模型豆包。

关键要点

• 视觉识别能力退化：Gemini 3.1 Pro 和 3.5 Flash 在处理复杂工程图纸（PCB）时，未能识别出明显的电路设计错误，如供电隔离失效和接地铺铜混乱。
• 豆包展现竞争力：在同等中性提示词下，豆包模型展现了更强的工程逻辑理解能力，能够指出数模隔离和接地问题，尽管其评价风格偏向保守。
• “夸夸王”现象：多个模型（包括 Gemini 和豆包）都存在倾向于正面评价或回避尖锐批评的倾向，但豆包在指出具体技术缺陷上略胜一筹。
• 版本迭代争议：用户将当前版本与去年的 Gemini 2.5 Pro 进行对比，认为后者在极端模糊图像和复杂公式识别上表现卓越，而新版本在基础工程识别上反而退步，引发对模型优化方向的质疑。
• 测试环境差异：Gemini 3.5 Flash 在 AI Studio 平台（设置拉满）的表现优于 Web 端（使用 Voyager 插件），暗示平台配置或插件可能对模型输出有显著影响。

意义与影响

1. 对 AI 视觉模型能力的重新审视 此次事件揭示了当前多模态大模型在垂直领域（如电子工程、PCB 设计）的深度理解能力仍存在短板。尽管模型在通用图像识别上表现优异，但在需要专业逻辑推理和细节纠错的工程场景中，仍可能出现“幻觉”或漏检。这提醒开发者在将 AI 应用于专业领域时，需警惕模型在特定任务上的性能波动。

2. 国产 AI 模型的崛起信号 豆包在对比中展现出优于部分国际顶尖模型的能力，特别是在识别具体技术缺陷方面。这表明国产 AI 模型在视觉理解和逻辑推理上已具备与国际巨头掰手腕的实力，甚至在某些垂直场景下更具实用性。对于用户而言，选择 AI 工具时不应盲目崇拜品牌，而应基于实际测试效果进行选择。

3. 模型迭代与用户预期的管理 Gemini 2.5 Pro 到 3.1 Pro 的表现落差，反映了大模型迭代过程中可能存在的“能力震荡”或优化方向偏差。用户对于“最新即最好”的预期可能被打破，促使社区更加关注模型的实测表现而非版本号。这也对模型提供方提出了更高要求：需要在追求参数规模的同时，确保特定任务能力的稳定性和可解释性。

4. 提示词工程与平台配置的重要性 测试结果显示，同一模型在不同平台（Web vs AI Studio）或不同插件支持下表现差异巨大。这强调了在实际应用中，除了优化提示词，还需关注模型运行的环境配置、插件集成以及系统参数设置，这些因素可能直接决定 AI 输出的质量。