多模态视觉模型中有很多能力我们看不到，因为防护措施还在起作用。大型语言模型（LLMs）显然可以进行面部识别、破解验证码等。这些防护措施不会永远起作用。如果你的安全性依赖于视觉信号，开始考虑其他选项吧。