這個影片"Why ChatGPT Can't Draw a Full Glass of Wine"討論為何ChatGPT無法畫出滿杯的紅酒?
影片用「叫 ChatGPT 生成一杯滿到杯緣的紅酒」這個小任務，揭示了生成式模型在「非常常見但不符合資料慣例」的場景裡會集體失靈，並連結到 David Hume 的經驗論：模型只會在「見過的印象」上做重組，對「沒在資料裡的、需要抽象補完」的細節 (如凸形液面/表面張力) 就卡關。
影片中怎麼提示都無法叫 ChatGPT 把紅酒畫滿，即使反覆要求「貼齊杯緣、甚至溢出」，ChatGPT 的內建繪圖仍多次給出「七到九分滿」的酒杯，還會信心滿滿地聲稱符合需求。
如下圖，大多的大語言模型畫出「紅酒滿杯」都無法真的全滿。
這顯示紅酒的「常見服務量」並沒滿杯的情況，網路商品照與餐飲視覺很少把酒倒到杯緣；而「滿到外拱」牽涉玻璃折射/反射、液面高光連續性等細節，模型與後處理器常把這些微小幾何與光學訊號忽略。
影片中主張，模型擅長把「見過的元素」做拼接（如酒杯＋翅膀），但要它「把半滿想像成全滿」涉及對體積、表面張力與邊界條件的抽象補完，這不是單純組合可解。作者引用 Hume 的「觀念來自印象」觀點來說明無法畫出滿杯紅酒的原因。
相關討論在 Reddit、Hacker News 等處也有人重複測試並回報類似失敗例（也有人偶爾成功，但非穩定再現）。 並且不是只有 ChatGPT，多位使用者回報其他模型也有相同傾向，凸顯這是影像生成通病而非單一服務問題。
但是這篇 "I asked ChatGPT to make an image of a completely full glass of wine. It did"，作者說他可以畫出「紅酒滿杯」，如下圖。
作者實測新版 ChatGPT 影像生成功能，嘗試生成「完全盛滿、到杯緣」的紅酒杯圖像，並宣稱「成功做到」。文中將此視為模型對「物理細節」與「語意精確度」的進步：不只是畫『滿杯』，還能體現接近杯緣的液面形狀。
我在"AI搜尋時代，不要管SEO會不會死了，要如何恢復流量比較重要"曾經談過，AI工具會在兩個階段接觸資料 : 大語言模型的訓練期 (包含預訓練與微調)、以及推論期。如果 ChatGPT 在訓練期沒看過「滿滿的紅酒」，他就不會知道什麼是「滿滿的紅酒」，因此要讓 ChatGPT 產生出滿杯紅酒的照片，你就必須完整定義何謂「滿滿的紅酒」? 何謂「滿杯的」狀態。
就上面的實驗來看，無法讓ChatGPT畫出「紅酒滿杯」，除了訓練資料的問題之外，大概就是清楚的定義什麼是「紅酒滿杯」，而不能只是「畫出紅酒滿杯」，你必須清楚的定義「滿杯」，然後再叫ChatGPT盛裝「紅酒」進去來呈現剛剛定義的「滿杯」。
第一次結果如下圖 :
牛奶還是沒有全滿，於是再修飾指令，第二次結果如下圖 :
現在牛奶滿杯的任務已經完成，試著用同樣方式來畫紅酒滿杯，結果如下圖 :
上面的紅酒已經接近滿杯，但是還差一點點。於是，再使用更精準一點的指令。
(1) 明確定義「狀態」再定義「物件」
多數生成失敗不是因為「紅酒」畫不好，而是「滿杯/表面張力外凸」這個狀態沒被完整指定，因此請先把狀態語意拆解：
☑ 液面幾何：液面與杯緣齊平、液面微微外凸。
☑ 接觸條件：液體必須完全接觸杯緣，不可留出透明空隙。
☑ 邊界細節：杯緣高光連續、折射／反射與液面高光對齊。
☑ 容積描述：零空隙、零留白、無安全邊。
☑ 不要只說「畫滿杯紅酒」，而要先定義何謂「滿杯」，再把該狀態套到紅酒上。
(2) 以「兩段式提示」降低理解落差
第一段只定義「滿杯液體」這一種抽象狀態；第二段再把液體替換成紅酒。這種把狀態與主體拆分的做法，在社群實測裡能提升成功率（先讓模型自述細節，再用自述餵回去生成）。
(3) 明確標註「物理常識」與「相機視覺細節」
目前多數 T2I（text-to-image）模型在物理常識上仍有弱點；加入表面張力、外凸液面、折射／反射、玻璃邊緣高光連續性等字眼，可拉高模型對「非典型影像」的服從度。
(4) 以「反慣例語彙」對抗資料分佈偏好
影像訓練資料裡，紅酒常見呈現是「七到九分滿」：要用反慣例措辭強調「違反商品照慣例」的構圖，例如：
☑「無剩餘空間」
☑「打破飲品攝影慣例，液面略高於杯緣」
☑「避免常見餐飲擺拍留白」
☑ 這點呼應影片與各界測試：模型偏好見過的樣態，要靠語意與約束把它「推出舒適圈」。
(5) 建立「小步驗證→再約束」的迭代流程
☑ 先生成「滿杯水／牛奶」驗證幾何是否正確，再替換成紅酒（避免酒色與杯壁折射先把難度拉滿）。
☑ 失敗時只修一處條件（例如「提高液面 2% 並保持外凸」），方便歸因。
☑ 每一次皆要求近距離裁切細節以檢查杯緣與液面高光是否連續。
☑ 你的原文也以牛奶→紅酒的漸進方式示範了這個策略。
(6) 何時該「換模型／換路徑」
若多輪仍無法穩定重現：
☑ 改用描述→再生成的兩階段（讓模型先產出一段自我說明，再以該段作為圖像提示）。
☑ 嘗試不同影像模型或不同「渲染模式」；近月來部分模型版本已被報導可成功生成「貼齊杯緣、外凸液面」的紅酒（但重現性仍因機型／版本差異而起伏）。
(7) 把「滿杯」寫進你的長期素材庫
如果你（或品牌）經常需要此類違反資料慣例的構圖，建議把可重複使用的「滿杯詞庫」收編到團隊的提示樣板與風格指南裡，未來可直接套用，減少來回試錯的成本。
(8) 風險控管與成品驗證
☑ 請務必安排人工視覺檢查與多角度裁切確認液面與杯緣交界；
☑ 重要商用場景加入A/B 兩張備選圖；
☑ 若文案聲稱「液面微微外凸」，圖片就必須能看見「外凸弧度」與連續高光，避免廣告法規或消費者誤導疑慮。
0 留言