o3看照片識位置的功能，簡直令人毛骨悚然！ Django Web大神Simon Wilson發現，o3憑藉Python代碼，就能破解自己照片的地理位置。這實在太反烏托邦了，人類的地理訊息，對於AI已經完全透明了？ OpenAI的o3發布以來，這個功能讓不少網友覺得毛骨悚然——它能準確破解你的地理位置！

就在剛剛，Lanyrd聯創、Django Web框架締造者Simon Wilson專門發了一篇博客，詳盡推敲了o3究竟是如何猜測照片拍攝地點的。

他將整個過程評價為：既超現實，又反烏托邦，彷彿幾十年前的科幻小說突然變成現實！

已經有越來越多網友發現，o3識圖定位的功能，堪稱瘋狂。

隨便拍張照片，o3就告訴你這是哪裡

首先，我們可以試著隨手拍一張照片，最好是沒有明顯的地標。

然後把照片傳給o3或o4-mini，問它：“猜猜這張照片是在哪裡拍的？”

注意，一定要關閉ChatGPT的記憶功能，否則它就會使用先前對話的上下文作弊。

實驗開始！

Wilson給了o3一張照片，是他在加州El Granada家裡附近一個露天酒吧拍的。

他覺得這張照片很有挑戰性，沒什麼明顯的特徵。只有一小段路、兩棟普通的房子，還有遠處的、只能看到一點輪廓的小山。

要是讓人來透過這張照片確定拍攝地點的話，確實是很有挑戰，相信絕大多數人甚至都會直接放棄。

因為實在是沒什麼明顯的標記物。

但是o3沒管那麼多，拿著圖片就開找了起來。

Wilson分享了o3思考的整個過程，總共花了6分48秒。

它從一個有點奇怪的錯誤開始了調查，先是假裝根本看不到這張照片。

然後突然恢復視力。

分析了照片後，o3打起了照片中車牌的點子。不過這個車牌很模糊，肉眼很難分辨。

o3也在思考中分析需要放大處理。

為了確定車牌在照片中的位置，o3開始變身程式設計師寫了代碼。

找到車牌位置並且放大後，o3開始了更細節的分析。比如，他開始觀察車牌的樣式。

對於自己關注的細節，o3會進行誇張的放大。

在這個過程中，不斷產生程式碼配合其分析。

o3會把它「看到」的細節與浮現在自己「腦海中」的印像做對比。

在這樣仔細思考了6分多鐘後，終於給了它的最終答案。

結果怎麼樣呢，加州中央海岸完全正確。

不過距離o3的第一個猜測Cambria大約有200英里的偏差，但是它的下一個猜測El Granada準確無誤。

Claude推理粗糙，Gemini直接作弊

Simon Wilson也說，o3不是唯一能做這個的模型，他也在Claude 3.5和3.7 Sonnet上也做過類似的事情。

只不過它們沒有o3那種誇張的「放大」能力。

不斷地對圖片放大到底有多大用？

Wilson猜測模型的視覺輸入解析度可能比較低，所以對影像做一些裁切確實會有幫助。

但o3對一張照片進行25次的裁切操作，確實像是有點炫技的感覺。

Simon Wilson也貼出了Claude 3.7 Sonnet的「擴展思考」結果，它給出的答案是「加州沿海的一個中小型城鎮」。

跟o3比起來，Claude的這個思考過程顯得「粗糙不堪」。

而Gemini直接開始了作弊：「鑑於目前的定位是加州埃爾格蘭納達…」。

所以Simon Wilson不得不透過API試了Gemini 2.5 Pro，結果它自信滿滿地猜錯了，認為是「加州卡尤科斯The Hidden Kitchen餐廳的露台」。

o3的不同之處在於工具使用（圖片處理、python等）被整合進了「思考」階段。

這非常驚艷。

不過Wilson也承認，這也挺令人不安的。

技術現在已經能透過照片辨識地點了。人們必須明白哪怕是平淡無奇的照片，都可能被用來辨識出你的位置。

等等，o3也作弊了？

對於這個過程，有人提出了質疑：o3是不是本來就可以存取一個大致的位置模型，能知道使用者在哪裡？

Simon檢查後發現，它居然真的知道自己的地理位置。

如果去問o3：你知道我在哪裡嗎？請盡可能提供技術細節。

它給出的答案，具體到在加州的半月灣，甚至包括時區、經緯度、地理標識符、海拔、氣候分類等等。

Simon猜測，或許這是它增強搜尋功能的一部分。

不過隨後的嘗試，讓Simon對o3更有信心了──即使沒有這個位置模型，o3依然可以準確猜出地理位置。

例如，他給了o3一些距離自己實際位置有數千英里的照片，並且透過截圖去除了EXIF資訊。

下面這張照片，是在馬達加斯加的鄉村拍的。

但o3依然給了準確的判斷。

這張照片，是在布宜諾斯艾利斯城市區拍的。

模型也認出了它的地理位置。

所以，o3在這方面，的確有某些過人之處，似乎不是靠作弊。

CSI走進現實

Simon Willison表示，看著模型在處理照片的思考過程，彷彿在看一集《犯罪現場調查》。

它會不斷平移、縮放，討論各種可能的位置。

但是，這也讓人感到深深的反烏托邦氣息。

現在的AI，完全可以透過照片輕易辨識出你的具體位置了。

所以，你很有必要警惕起來，隨時注意自己的人身安全！

搜餐館、搜位置，o3無所不能

其實早在o3和o4-mini剛發佈時，就有無數網友發現，這兩個模型也太神了。

僅憑一張無EXIF資訊的菜單或風景照，它就能精準推理、反向定位拍攝地點，直接引爆了全網AI玩「照片尋址（GeoGuessr）」的新熱潮。

開始，人們以為它們只是很擅長圖像匹配而已，但完全不止於此——它們會展開推理，在網上進行瘋狂的搜索，直到找出正確答案為止！

可以說，只要你的照片向AI暴露，你的資訊就不再是隱私了。

知名投資人Deedy就發現，只給一張沒有標題及EXIF數據的菜單圖片，o3就能夠上網搜尋、配對菜單項，找到這家中餐廳的位置。

o4-mini也是如此。

而o3精準定位照片地理資訊的本領，簡直是令人毛骨悚然。

例如給下圖左邊這張從室內窗戶向外拍攝的海岸景色。

根據就照片裡透露的訊息，只能看到長長的沙灘、蜿蜒通往海灘的階梯步道、遠處的海岬以及近處的一些植被。窗邊還有一個插著花的花瓶。

所有資訊就這麼多了。

但o3居然猜出了照片拍攝地：很可能在加州橘郡達納角(Dana Point) 的麗思卡爾頓拉古納尼格爾酒店(Ritz-Carlton Laguna Niguel) 內，可能是在RAYA或180blũ餐廳附近。

可怕的是，它居然猜對了！

它是怎麼判斷的？是透過以下匹配的特徵。

西北-東南走向、長而平緩彎曲的鹽溪海灘(Salt Creek Beach)。

從飯店通往公共海灘的米色、之字形的露台式步道和樓梯。

海灘內陸的草地，即帝王海灘高爾夫球場(Monarch Beach Golf Links)。

遠處的岩石海岬（達納角海岬）。

甚至，o3也給了飯店的地址（One Ritz-Carlton Drive， Dana Point， CA 92629）和大致的經緯度座標（北緯33.482°，西經117.721°）。

網友用Google地圖確認了一下，答案完全正確。

大膽暢想一下，如果o3的影像辨識能力再疊加一個無敵的全球資料庫，這個AI豈不是能認出地球上的任何地方？

接下來，網友紛紛上傳自己的照片，讓o3猜位置。

例如下面根據下面這張，o3猜出是在亞利桑那州佩森市（Payson， Arizona）北部的Water Wheel Falls / Ellison Creek Cascades。

它是怎麼猜出來的呢？推理邏輯和關鍵線索如下。

視覺線索： 淺層滑梯式瀑布，落差約15英尺，落入深色水潭－匹配點： Water Wheel Falls有類似的傾斜花崗岩水道流入翠綠水池。

視覺線索： 粉褐色花崗岩壁，帶有垂直裂縫－匹配點： 這是該峽谷標誌性的莫戈隆邊緣（Mogollon Rim）花崗岩。

視覺線索： 瀑布底部橫臥著一根巨大的漂白原木－匹配點： Water Wheel Falls有一根標誌性的「階梯狀」原木，已在那裡停留多年（引用了The Outbound的資訊）。

視覺線索： 瀑布上方有稀疏的河岸灌木和亞利桑那松林－匹配點： 這是埃里森溪（Ellison Creek）走廊的典型植被。

現在，網友們給o3的考驗還在升級中。

英偉達研究員Zhaocheng Zhu給了o3一組他用長焦鏡頭拍攝的照片，沒有EXIF數據，關閉o3的記憶功能。

因為網路上大多數照片都是用廣角鏡頭拍的，所以這張照片對o3來說應該非常棘手。

Zhu本人表示，如果不是透過鏡頭看到這個角度，自己也認不出來這個地方是哪裡。

結果，o3猜對了。

對於這張，它不僅準確地找到了拍攝地點，還認出了圖中的山峰是聖羅莎山脈。

繼續增加難度後，o2猜測了三個地點，其中一個是正確答案－查爾瓦高地。

終於，在猜測這張照片的時候，o3翻車了。這是一張加拿大山脈的鳥瞰圖，o3卻認作是瑞士的阿爾卑斯山。

這大概是因為，空拍照片在訓練集中所佔的比例很低。

而且，o3可不止強在猜測國外的地理位置，有國內開發者給了它自己上班路上隨手拍的一張圖，它居然也一步步準確分析出了位置資訊－山東青島市北區重慶南路47號。

左右滑動查看

有人質疑，是否是照片裡已經帶定位了？

Nanyi表示，iPhone拍照說明裡只有拍攝參數，沒有位置參數。

應該是o3從魯U推理出了青島，從小海豚裡搜出了旁邊的店，然後又從百度地圖和青島本地寶裡搜出資訊、查看附近的郵局，最終確認的。

圖片資訊中並沒有位置資訊

注意，這只是2025年的o3模型而已，未來的模型還會做出什麼呢？