[问与答] 这张图片是 AI 生成、还是真实的吗？

一句话看懂：一张流传多年的马斯克蹲工厂的老照片，被不同大模型判定为“AI 生成”或“真实照片”，结果严重分裂。这个案例暴露出当前 AI 视觉识别模型对历史照片缺乏时间感知和上下文理解能力，直接影响了用户对信息真伪的判断。

事件核心：发生了什么

V2EX 社区用户发布了一张马斯克蹲在工厂地面上的照片，并向多个主流 AI 模型询问其真伪。结果大相径庭：Google 的 Gemini 和字节跳动的豆包判定该图片为 AI 生成（非真实照片）；而 OpenAI 的 ChatGPT、阿里的千问以及腾讯的元宝均认为这是真实的照片。社区老用户通过回帖迅速证明了该照片的真实性——它拍摄于 2006 年，记录的是 SpaceX 猎鹰一号火箭首次发射失败后，马斯克蹲在工厂内检视残骸的场景。多位用户确认，这张照片“远早于 AI 浪潮”、“是真的，老照片了”。

为什么重要

这个案例不是技术失误，而是 AI 模型在真实性判断上的系统性漏洞。Gemini 和豆包被判“假”，很可能是因为模型在训练时对“蹲姿 + 工厂环境 + 像素质量”的组合赋予了高“AI 生成”概率，而没有纳入图片的发布时间、历史背景或新闻图库等元数据特征。这种判断逻辑如果用在内容审核、图片存档甚至司法取证中，会直接导致大量真实历史证据被错误标记或删除。同时，不同模型得出的结论截然相反，也说明当前缺少统一、可靠的真实性评估机制，用户在依赖 AI 辨别图片真伪时，实际是在“盲选”结果。

对用户/开发者/创作者的影响

对普通用户而言，将 AI 的图片识别结论当作“绝对真理”是有风险的——同一个问题，换个模型就可能得到完全相反的答案。对开发者和内容创作者来说，这意味着在构建 AI 审核或事实核查工具时，不能仅依赖单一模型的输出，必须引入图片的发布时间、来源网站、档案编号等辅助信息来辅助判断。此外，社区用户建议的“以图搜图”仍然是目前最可靠的核实方法，远胜于直接问 AI。企业采购这类识别 API 或集成视觉模型时，也应要求供应商明确披露模型训练数据中包含哪些历史时间范围的图片，以及是否对特定时期的老照片做过特殊处理。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

1. Gemini 和豆包是否会针对此次误判进行模型更新，增加对历史照片（尤其是 2010 年前的数字相机拍摄图片）的识别能力。2. 主流中文 AI 模型（千问、元宝、豆包）在图片真实性判断上的评分基准是否会被公开，以及未来是否会像标注“AI 生成的图片”一样为“确认真实的图片”加注水印或哈希。3. 这一案例可能引发更多关于 AI 模型训练数据时间截止的讨论——如果训练数据中没有 2006 年的照片样本，模型其实没有能力判断“老照片”的真伪，这一问题在图像生成和识别的合规审核中需要被正视。

来源：V2EX (创意工作者社区)