上周三加班到九点，工位上的东西堆得快溢出来。半本画满涂鸦的播客草稿压在键盘下面，旁边是上次去南京逛陵园路拍的两百多张糊图，还有半杯凉透的美式。
之前用纯文本的大模型整理脚本，折腾了快俩小时，越用越烦。我把草稿上歪歪扭扭的字敲进去，它写的开场白永远是“大家好，欢迎来到本期播客”，完全get不到我在草稿页边画的那个皱巴巴的梧桐叶，也看不到我在那句“不要太文艺”下面划了三道粗线。
索性直接把整本草稿拍了照，连页角沾的咖啡渍都没裁，丢给了最近一直在用的多模态大模型。
三秒。
它给我回的第一句话是：”看到你划掉的那句‘不要用太文艺的开场白’了，结合你相册里拍的陵园路梧桐絮的照片，要不开头就说‘你上次走陵园路沾的一领子梧桐絮，今年估计又要飘到你脖子里了’？”
我当时鸡皮疙瘩都起来了。
你以为它是”能看图的ChatGPT”？根本不是
很多人对多模态大模型的误解，还停留在”就是比之前的AI多了个传图、生成图的功能”。真不是。
它不是多了个传图的功能，是把之前AI隔着一层数字墙摸不到的真实感知，直接接到了模型的输入端。
之前的纯文本大模型，像个从来没出过门、只啃过别人整理好的文字资料的学霸。你跟它说”我电脑上有个弹窗挡着我写的方案”，它只会给你念通用的解决方案：按alt+f4，开任务管理器。它看不到你的屏幕，不知道那个弹窗是哪个软件弹的，更不知道你方案里写了一半的内容是什么。
但多模态大模型不一样。开了屏幕权限的它，能直接看到你屏幕上那个挡在文档中间的购物软件弹窗，能看到你刚才写的”用户留存率提升30%”后面被挡住的半句，甚至能顺着你的鼠标位置，告诉你”你刚才停在第三段了，我帮你补了和上下文匹配的内容，这个弹窗是后台挂的视频软件弹的，点右上角的叉就行，不用切窗口”。
这哪是多了个看图的功能。
这是把之前AI和真实世界之间的那层纸，给捅破了。
它现在能接的不只是图。你录一段10秒的语音，是你朋友在火锅店里跟你抱怨”今天上班又被老板骂了，刚才毛肚煮老了”，它不是只干巴巴把文字转出来。它能听出来你朋友声音里的委屈，能捕捉到背景里火锅沸腾的咕嘟声，甚至能听出来他咬到煮老的毛肚时那声”啧”的惋惜。这些藏在文字外面的信息，之前的AI是根本接不到的。
那些吹得神乎其神的功能，其实离你远得很
刷到过太多吹多模态大模型的内容了。说它能替代设计师，能替代摄影师，能帮你搞定所有工作。
拉倒吧。
上周我把拍的那组陵园路的照片丢给它，其中有张是逆光拍的，梧桐叶的影子落在一个穿白裙子的女生肩膀上。我让它配个文案，它一开始生成的是”岁月静好，时光缓缓流淌”。我直接打回去，说”不对，我当时蹲在地上举了半小时相机，那个女生正踮脚够树杈上躲着的三花猫，根本不是什么岁月静好”。它反应了两秒才说”哦，刚才漏看了树杈上的猫”，重新生成的文案是”蹲了20分钟才等到的——树杈上的猫终于被路过的姐姐够到了”。
你看，就这。它离真正”懂”你看到的细节，还差十万八千里呢。
现在它最擅长的，从来不是替你做决定，是帮你省掉那些你根本不想花时间应付的细碎工作。
比如你攒了200张旅行照片，要挑9张做朋友圈九宫格。之前你得一张张翻，删到眼花，半小时都未必能挑完。现在你把所有图丢给它，说”要没有路人入镜的、颜色不发灰的、能看到我面前摆着盐水鸭的图”，它30秒就能给你筛出来。
我之前拿它整理过一小时的部门会议录音。搁以前，我得先把录音转成文字，再逐行划重点，把谁要做什么事、什么时候交整理成待办清单，至少得花40分钟。那天我直接把录音文件丢进去，它听完直接给我列了：张总说下周三要交活动方案，李姐说要对接三个本地美食博主，小王说上次的活动物料还剩两箱在仓库，剩下的20分钟大家在聊楼下面馆今天加了卤蛋。
我当时差点给它磕一个。
这玩意真的是把人从那些没意义的破事里捞出来啊。
别等着它变成万能的，现在用它最划算的姿势其实是”偷懒”
现在大家对多模态大模型的期待，真的太高了。总觉得它再过两年就能变成会走路的机器人，能帮你做饭帮你带娃，能搞定所有你不想干的事。
其实根本不是。
就像你刚拿到智能手机的时候，也会觉得这东西能打电话能上网，简直是万能的。但你现在用智能手机，根本不会拿它去对标什么未来黑科技。你就是用它扫码买咖啡，用它拍个照记一下下班要带的快递，用它导航找那个藏在巷子里的老面馆。
多模态大模型也是一样的。它现在最适合的用法，根本不是让你写万字长文，做全套商业PPT，是你遇到那些碎得让你烦的小事的时候，随手丢给它。
不过话说回来，你也别真的把它当万能药。上周我让它帮我看我家猫的状态，它说我家猫是太无聊了想玩逗猫棒，结果我凑近一看，它是刚才偷喝了我放在桌上的冰可乐，正撑得瘫在沙发上呢。
我上周跟一个做算法的朋友吃饭，他说现在很多团队做产品，总想着把多模态大模型做成一个无所不能的超级工具，其实方向从一开始就错了。
真正让人愿意每天打开用的东西，从来不是那个能帮你搞定天大的事的超级英雄。是那个能在你手忙脚乱、被一堆碎事缠得喘不过气的时候，帮你递一杯温水、帮你把掉在地上的笔捡起来、帮你把写得歪歪扭扭的草稿整理成能直接发的朋友圈的靠谱朋友。
就这么简单。
对了，上次丢给它的那半本涂鸦笔记，最后生成的播客脚本，我改了不到100字就录了。
录完的时候刚好下班，我绕路去了陵园路，还踩了一脚飘在地上的梧桐絮。
作者|科技
排版|科技
审核|阿辰