关键结论

图像理解能力是设计类 agent 的通用能力，大量的复杂设计任务都涉及到图像理解、校验等，这里用一张复杂的图片来横向对比豆包和 AmosMind 在图像理解能力上的差异。

🙌 原图+提示词

提示词：
认真的数一下这张图片里有几个人？

豆包：

AmosMind：精准的数对了。

⌘I