o3看照片识位置，只看边角料，就知道你的住处。

先说几个核心发现：OpenAI的o3模型正在重新定义我们对于“AI视觉能力”的想象空间。当大多数目光还停留在文本生成和逻辑推理时，o3已经悄无声息地进化成了某种意义上的“地理侦探”——仅凭一张照片，它就能精准锁定拍摄地点。

甚至，o3连酒店地址都直接给出来了：One Ritz-Carlton Drive, Dana Point, CA 92629，附带大致经纬度坐标（北纬 33.482°，西经 117.721°）。

网友用谷歌地图验证了一下，答案完全正确。

这就不由得让人展开联想：如果o3的图像识别能力再叠加一个覆盖全球的综合数据库，这个AI岂不是能认出地球上的任何角落？

随后，网友们开始上传各自拍的照片，让o3来猜位置。

比如下面这张图，o3给出的答案是亚利桑那州佩森市（Payson, Arizona）北部的Water Wheel Falls / Ellison Creek Cascades。

那么，它是如何推理出来的？关键在于o3的视觉逻辑链条——它不会直接给一个答案，而是会列出沿途看到的路标、植被类型、地形特征，然后逐步收敛到可能性最高的地点。

考验还在升级。英伟达研究员Zhaocheng Zhu拿出了一组用长焦镜头拍摄的照片，特意去掉了EXIF数据，并且关闭了o3的记忆功能。

有意思的是，网上绝大多数照片都是广角拍的，所以这张长焦照片对o3来说，难度直接拉满。Zhu本人也坦言，如果不是亲自透过镜头看到这个角度，自己也认不出这个地方。

结果o3猜对了。

再比如下面这张，它不仅准确找到了拍摄地点，还识别出了图中的山峰是圣罗莎山脉。

当难度持续加大时，o3给出了三个备选地点，其中一个就是正确答案——查尔瓦高地。

终于，在下面这张照片上，o3翻车了。这是一张加拿大山脉的鸟瞰图，o3误判为瑞士的阿尔卑斯山。原因其实不难理解——航拍照片在训练集中所占的比例实在太低了，这类视觉特征对模型来说确实是个盲区。

值得注意的是，o3的能力远不止于海外地理定位。有国内开发者上传了自己上班路上随手拍的一张照片，o3一步步分析出了精确位置——山东青岛市北区重庆南路47号。

有人提出了质疑：是不是照片里本来就带了定位信息？

开发者Nanyi给出了解释：iPhone拍照信息中只包含拍摄参数，并没有位置参数。o3应该是先从“鲁U”推理出青岛这个城市，再从画面中的小海豚雕塑搜出旁边的店铺，最后结合百度地图和青岛本地宝，找到附近的邮局，才最终确定的位置。

需要说明的是，截图显示图片信息中确实没有位置标签。

回到开头的那个问题：这还只是2025年的o3模型而已。未来的模型，又会展现出什么样的能力？