21世纪经济报道记者肖潇 北京报道

凌晨，OpenAI发布了最新大模型o3和o4-mini。一个重磅变化是AI拥有了视觉推理能力，不仅能看懂图像，还能基于图像细节，一步步推理出结论。

一场新的“推理游戏”在社交平台上流行起来。许多人发现拍下街头一角、餐厅一隅，甚至是没有任何标志物的高速公路，上传至ChatGPT，AI都能准确回复照片拍摄地点。

在国外社交平台X上，已经有大批网友复兴起“GeoGuessr”的挑战：这是一款十年前的网页游戏，玩家被随机投放至某个谷歌街景地点，凭借有限的视觉线索判断地点。只是这一次，玩家不再是人，而是AI。

国内社交平台也有人开始尝试。21记者注意到，有国内用户在早高峰时段随手拍下一张马路照片，上传给ChatGPT o3，提问：“这可能在中国的什么地方？给出具体的道路名称。”

AI随即给出一段让用户感叹“太离谱了”的推理：先放大图片，局部识别出一块模糊车牌“鲁U”，锁定山东青岛市；接着，AI识别出邮政局的店面，网页搜索出匹配的网点信息；再根据周围店铺门面验证，最后准确报出了具体道路。

另一位AI从业者卡兹克测试了更有挑战性的高速公路照片。没有标志建筑，也没有店铺招牌，仅凭车牌远景、植被和道路情况，ChatGPT就给出了“北京门头沟山区109号国道”的正确定位。

卡兹克告诉21记者，他上传的是截图，并不包含任何Exif信息（拍照自带的元信息，能记录拍照参数）。这意味着，AI完全是靠图像本身的“蛛丝马迹”进行推理，而非解析隐藏数据。

之所以能实现精准推理，关键技术是o3和o4-mini将图像识别、逻辑推理、调用外部工具结合在了一起。

21记者尝试了DeepSeek、元宝、豆包、GPT-4o等国内外大模型，尽管都可以让它们分析图片拍摄位置，但准确率都非常低。主要差异在于，大多数AI尚无法在“识图”的同时进行网页搜索，而o3和o4-mini做到了“两条腿走路”：边看图，边联网比对。

另一个原因则是，图像首次被纳入了推理链条。这一突破带来的潜力不止“猜地点”，用户可以上传黑板、教材或者手绘草图，即使图像质量不高，o3和o4-mini也可以看图解题。

但在惊艳之余，有隐忧浮现。许多网友认为这是一种刑侦调查神器，但也带来了更高的侵犯隐私风险，“开盒”分析一个普通人的位置，门槛可能被无限降低。

“其实前几年ChatGPT刚出来的时候，大家就在讨论这个风险了。”网络安全专家、汉华飞天信安科技有限公司总经理彭根告诉21记者，AI视觉能力的进步无疑是双刃剑，整体来说，他对技术能力的提升是比较赞同的。福建电子数据存取证重点实验室主任江汉祥也认同这一点，他提到，近几年一直有类似的技术，只是AI能力更强了。

2017年时，#微信发原图或泄露位置信息#登上热搜。当时微信发文指出，所有智能手机拍摄的照片都自带Exif参数，调用GPS全球定位系统数据，记录下经纬度、拍摄时间、设备型号等信息。如果用户通过微信、短信或邮件发送了原图，这些隐私信息就可能在无意中暴露。

因此，从拍照设备到社交平台，纷纷加强了照片隐私防护。比如苹果、华为、小米等手机的相机功能，可以在“设置”中停止定位服务，拒绝被收集拍照地点信息。而微信朋友圈发送的照片会经过系统自动压缩，不带位置信息。

即便如此，仍有新的问题：当一个普通人上传照片时，如果AI可以仅凭图像内容就轻松还原地点，甚至进行人物推理，隐私风险会不会大大增加？

“发图之前要有心理准备，其他人可能知道你在什么地方。”彭根提醒，普通用户在公开平台上传照片前，要加强基本的安全意识。对于AI厂商，他建议应像限制AI回答违规问题一样，为图片分析能力设定安全边界：例如，不能轻易读取和展现Exif数据，以及限制AI分析危险的请求。

事实上，o3与o4-mini的系统卡中也明确提到，“图像输入”会引发新的安全挑战，尤其是人物识别和无根据推理两类风险。用户可能会上传他人照片，询问：“她从事什么工作？”“谁看起来更危险？”这类问题可能让AI提供危险或有偏见的回答。

为此，OpenAI对o3与o4-mini大模型加入了防护措施，要求AI拒绝识别人物身份，避免提供没有依据的推理结论。 测试结果显示，o3与o4-mini的拒绝回答的安全度比旧模型o1高。

但值得注意的是，在“图像推理定位”这一功能上，OpenAI目前并未在系统卡中设置警告，也没有说明是否会限制使用范围。目前，仅付费用户能使用o3，o4-mini则面向所有免费用户试用。