ChatGPT 看照片找地點，準確嗎？

2025 年 4 月，X 上流行起一種新玩法。人們把照片上傳到 ChatGPT，從餐廳菜單、街角到自拍，然後問照片是在哪裡拍的。OpenAI 才剛推出 o3 與 o4-mini，這些模型可以在推理時裁切、旋轉與放大圖片。TechCrunch 報導，尤其是 o3 能從細微的視覺線索推斷出城市、地標，甚至餐廳與酒吧，並把這股風潮稱為「reverse location search」（反向地點搜尋）。

此後，這個技巧經過了更仔細的測試，其中最有參考價值的是開源調查團體 Bellingcat 所做的測試，它用從未上網的照片進行了 500 次測試。本文說明這些測試發現了什麼：ChatGPT 能有多接近、與 Google Lens 及其他聊天機器人相比如何、它何時讀取的不是畫面本身，以及它在哪裡出錯。

模型讀取場景的方式，就像受過訓練的地理定位者：看標誌的文字、道路標線、建築、植物，以及山丘的形狀。AI 地理定位如何運作一文概述了這個過程。聊天機器人的新鮮之處在於，它們會把推理過程說出來，能放大細節，還能在過程中搜尋網路。

開發者 Simon Willison 拿一張照片給 o3 看，照片拍自他加州 El Granada 住家附近的一間戶外酒吧：一條路、一棟毫無特色的房子，以及一些山丘。o3 花了將近七分鐘裁切與放大，認出加州車牌，第一個猜測是約 200 英里外的 Cambria。第二個猜測 Half Moon Bay 或 El Granada 才是對的。

TechCrunch 自己的測試結果比較分歧。給它看一顆昏暗酒吧裡紫色、掛在牆上的犀牛頭，o3 正確地把它放在布魯克林威廉斯堡（Williamsburg）的一間地下酒吧，而較舊的 GPT-4o 猜是英國的一家酒館。不過，GPT-4o 多半也能得到與 o3 相同的正確答案，而且速度更快；有幾次測試則完全失敗。

Bellingcat 給每個模型同樣的提示，「Where was this photo taken?」（這張照片是在哪裡拍的？），使用的照片都沒有中繼資料，並以 0 到 10 分為每個答案評分。10 分代表準確、具體的辨識，例如某個街區、一條步道或一處地標。下表列出它公布的五項測試。

所以典型的結果是一個地區或一座城市，而照片若提供了名稱或地址，就能找到確切地點。這是任何視覺方法的上限：一個場景能支持一個地區，而一個點需要可讀的文字或 GPS 資料。

兩者做的是不同的工作。Google Lens 是一種查找：它在網路上尋找相同或相似的圖片，因此當一個地方被拍過很多次時，它表現最好。以德國黑森林中的湖泊 Schluchsee 為例，Lens 把它列為第一個結果，而 ChatGPT 是唯一說出這個名字的聊天機器人。在城市中，Lens 傾向於鎖定建築與摩天輪等大型常見結構。Google Lens 與 Yandex 比較一文涵蓋了查找的那一面。

想得更久，不一定有幫助。ChatGPT Deep Research 在一處海岸線上花了將近 13 分鐘，結果落在約 50 公里之外的北方；而 o4-mini-high 只花 39 秒就回答，而且比前者的答案近了 15 公里。較新也不一定就更好：在 8 月的重測中，每月 200 歐元的 GPT-5 Pro，表現並不比較舊的 o4-mini-high 好。2026 年的一項基準測試也發現與較新模型相同的模式。

EXIF 是相機或手機寫進照片檔案中的隱藏資料，在開啟定位時會包含 GPS 座標（EXIF 資料記錄什麼）。它在上傳後能否保留，各次情況不一。在 Patterson 2025 年 4 月的瀏覽器測試中，o3 發現標籤是空的，直到他把照片放進一個 zip 檔再上傳，才讀到資料。Willison 後來注意到，一位 Hacker News 使用者回報，o3 曾用程式碼讀取照片的 EXIF 標籤，卻沒有承認這一步，不過這個步驟在它的推理過程中是看得見的。

所以先決定你想知道什麼。要找出照片的拍攝地點，請先自行讀取它的 GPS 座標，因為實測的位置勝過任何猜測。若想知道單靠像素能透露什麼，改測試螢幕截圖，因為它不帶原圖的位置（為什麼螢幕截圖沒有 GPS 資料）。

Willison 兩種情況都遇過。他發現自己「needed to turn off all of ChatGPT’s memory features first or it would cheat and use context from my previous conversations」（必須先關閉 ChatGPT 所有的記憶功能，否則它會作弊，引用他先前對話的脈絡）；後來又發現 o3 大致知道他在哪裡：「It knows I’m in Half Moon Bay.」（它知道我在 Half Moon Bay。）這個技巧對他在馬達加斯加鄉間和布宜諾斯艾利斯拍的照片仍然有效，那些地方離家數千英里。當他改用 Gemini 時，它的答案一開頭就是：「Given that my current location context is El Granada, California...」（鑑於我目前的位置脈絡是加州 El Granada……）

要得到公平的答案，請先開啟暫時對話，並在送出照片前選擇「Unpersonalized」（不個人化）。OpenAI 表示，這個選項不會使用記憶、自訂指令或外掛。這是記憶設定，不是位置設定：ChatGPT 仍可能根據你的 IP 位址估計你的所在位置，所以如果猜測落在你自己的城鎮，請問它畫面中哪裡指向那裡。

Bellingcat 的一張照片拍的是一片海灘，有一間大型飯店與一座臨時架設的摩天輪，該摩天輪於 2024 年架設、冬季拆除。許多模型都指向斯海弗寧恩（Scheveningen），那是知名度較高的荷蘭度假勝地，也有自己的摩天輪。在 8 月的重測中，GPT-5 Pro 與 GPT-5 Thinking 把它放在法國。Google AI Mode 是第一個說出正確城鎮的模型：荷蘭的諾德韋克（Noordwijk）。

• 座標。Bellingcat 發現，模型常給出粗略或根本不正確的座標。一個有名字的地點，比一個圖釘更容易查核。
• 缺乏特色或室內的照片。畫面中線索很少時，有把握的答案其實只是附上數字的猜測。在沒有 GPS 資料的情況下找地點說明了一個場景需要具備哪些條件。
• 有變化的地點。季節性的遊樂設施、新建的建築與關閉的店家，可能把模型引向一個更有名的相似地點。
• 影片。Bellingcat 指出，大多數聊天機器人無法觀看影片，因此找出影片的拍攝地點仍要從靜態畫面著手。

TechCrunch 在 2025 年把話說得很直接：沒有任何機制能阻止有人截取某人的 Instagram 限時動態，然後用 ChatGPT 試圖人肉搜索他，而且對這種「反向地點查找」似乎幾乎沒有防護。幾小時後，OpenAI 回應，模型能在無障礙、研究，以及「緊急應變中的地點辨識」等領域提供協助，並且會監控是否有人濫用其隱私相關的使用政策。

各模型願意回答的程度不同。在一項針對加州拍攝的 500 張照片的學術研究中，OpenAI 的 o3 對其中 81% 給出了具體、可查證的地點，Gemini 2.5 Pro 則為 85%，而 Claude 模型約為四分之一或更少。該研究也測量了這些答案落在真實地點附近的頻率；這對在家中拍的照片意味著什麼，則在其專門的指南中說明。

GeoSpy 會依畫面中可見的內容，估計照片顯示的城市與國家；若檔案仍帶有 GPS 資料，它會讀取並顯示記錄的地點。它從不回傳街道地址，而且上傳的照片不會被儲存。在 geospys.com 上，分析隨 GeoSpy Premium 提供，每週 7.99 美元或每年 29.99 美元（在土耳其為 ₺389 或 ₺1,460），合理使用範圍內不限次數，且隨時可以取消。選擇年費方案，或改試 GeoSpy iPhone App，它提供免費試用。