与鸡蛋玩“AI传话”：第10轮弄丢了“chicken”，最后变成“鹌鹑”

一位网名为GENO的研究者发布了一项有趣的AI实验：用“图像描述→生成新图→再描述”的方式，让AI玩25轮“传话”。他固定使用同一个描述模型，并让两条链并行：一条用OpenAI的GPT Image 2，另一条用Google的Nano Banana 2。每轮只把描述文本传给生成器，图片本身不会传递给下一轮；第一轮生成的图直接作为下一轮描述对象，不重roll。

在Nano Banana 2这条链上，前9轮生成的鸡蛋都被描述为“chicken egg”（鸡蛋），但第10轮“chicken”突然消失，只剩下“egg”。奇怪的是，图像在接下来约12轮里看起来仍然是普通鸡蛋，直到描述开始变成“像海鸦或大型斑点物种”，图片才真正演变成一颗像自然历史博物馆展品的野鸟蛋。也就是说，文字先丢失，像素后跟上。相比之下，GPT Image 2链的25轮描述一直保留“chicken”，最终图像也仍是超市里常见的鸡蛋。

为什么两条链差异这么大？GENO认为关键在描述中的用词。GPT Image 2链把蛋壳上的斑点称为“气孔”（pore），这是蛋壳本身的一部分；而且背景描述在第3轮意外写下了“255亮度”这个绝对数字，白色已经没有继续漂白的空间。Nano Banana 2链则把斑点称为“blotches”“splatter”（斑点、溅洒），这些词暗示东西“在蛋壳表面”。大约第11轮后，描述变成“滴状”“重力滴落颜料行为”，第23轮甚至出现“哑光蛋壳+光泽斑点”的诡异组合，好像一只蛋上有两种材质，尽管没有任何人写过“油漆”这个词。

背景的漂移更早埋下伏笔。Nano Banana 2链第一轮生成的图片，背景恰好是“浅灰色”而不是纯白，于是之后的描述一直沿用“light gray”。相对词“灰”总能继续变灰：第4轮出现轻微暗角，第6轮变成径向渐变，到第21轮已经是“径向光晕”和“博物馆灯光”。此时氛围字段开始写“观察中的标本”，鸡蛋也就不得不变成那种灯光下会出现的物种。GENO指出，这个源头只是第一轮生成的一次渲染意外，而控制实验（第一轮强制纯白背景）还没有跑。

他还记录了蛋壳纹理的演变：微孔→孔隙→点蚀→凸起色素→多孔，约十轮内完成。点蚀意味着小洞，在另一次超过25轮的运行中，第27—28轮蛋壳上真的出现了裂纹，随后模型又把蛋“修”回完整。裂纹并非随机，描述已经在为“受损表面”积累词汇。

实验还纠正了GENO最初的假设：起始提示词里有“from top”（俯视），但两条链都生成了竖立站着的蛋。这不是描述模型的锅，而是两个生成器在第一步都选择了统计上最常见的解读——俯视时阴影环绕在蛋周围，正面看时阴影在蛋下方，二者其实是同一个椭圆，但一旦选择了正面视角，俯视视角就再也不会回来。

最后，作者补充说，由于自己数错了轮数，Nano Banana 2链在某一轮（他记为第29轮）的提示词变成了“a quail egg”（鹌鹑蛋）。标题里的“a quail”就是这么来的。作者把50张图片和全部轮次的JSON记录公开，并坦言自己只有两条链，没法回答“是否AI传话总是在文字先失败”这个问题。正如他所说：“两条链不是一个数据集。”