Bellingcat测试LLM照片地理定位能力
热点事件观察中
Bellingcat测试LLM照片地理定位能力
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Bellingcat 公布对多个大语言模型的地理定位基准测试：用 52 张此前未在互联网公开、去除元数据且不附背景信息的照片，测试 Claude、Gemini、ChatGPT、Grok、Mistral、Kimi 等模型。测试允许模型使用各自服务商内置的搜索、代码执行和网页抓取工具，输出上限 64,000 token，每张照片最长 15 分钟；若首次未给出坐标，可追加一次不使用工具的补救提示。 Bellingcat 称，当前模型进步明显，Anthropic 的 Opus、Fable 和 Google 的 Gemini 4 Argon 表现最好，在特定条件下能比人更快缩小范围；但人类仍不可替代。
AI 根据报道生成 · 1 天前更新
最新进展10月29日 02:57
LLM 能大幅提升照片地理定位吗？Bellingcat 测试显示进步明显但人类仍不可替代报道时间线
沿着报道，了解事件的不同侧面。
10月29日
- Hacker NewsLLM 能大幅提升照片地理定位吗？Bellingcat 测试显示进步明显但人类仍不可替代
Bellingcat 用 52 张未在互联网公开、去除元数据的照片测试 Claude、Grok、Gemini、ChatGPT、Mistral、Kimi 等模型的地理定位能力，发现当前模型明显进步，Anthropic 的 Opus 与 Fable 以及 Google 的 Gemini 4 Argon 表现最好，能在特定条件下比人更快缩小范围。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 1010月29日 04:00
- 近 24 小时变化
- -50%
02.557.510
06:0012:0018:0010月30日06:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。