Looksmax AI 准不准？聊聊一致性、Reddit 吐槽，和那个欧美审美偏见问题

你打开这个 app，是因为朋友甩了个邀请链接给你。你传了一张自拍。几秒钟后，满屏的数字和术语——"canthal tilt（眼裂倾斜）""harmony（协调度）"，还有一个十分制总分——告诉你"你在什么水平"。然后你就来到了这里，在搜索框里敲下"Looksmax AI 准不准"，因为那个结论要么把你打懵了，要么好得让你不敢信。

先回答字面上的问题，再回答它底下那个更值得问的问题。

Looksmax AI 准不准？先给个诚实的短答案

准——但"对什么准"才是关键。

Looksmax AI 在一件很窄的事情上做得还行：估算你喂给它的那张照片的几何结构。这张照片里你脸部的三庭比例。相机把你眼角压平之后的外眼角角度——也就是它标注的 canthal tilt。在你当时所站的那束光下，颧骨宽度和下颌宽度的比值。作为对那张被压平的图像的测量，它的输出大致在对的范围里。

它不准的，恰恰是你真正想知道的那件事：真人到底觉不觉得你有吸引力。这是两个问题，而 app 悄悄把第一个偷换成了第二个。它读一张静态照片，然后甩给你一个感觉像是在评判你的结论——你的未来、你的约会、你的价值。它评判的不是这些。它评判的只是一帧画面。

所以"准不准"有两个答案，取决于你问的是哪个问题。作为照片几何估算器：大致准，但有下面一堆前提。作为对你真实吸引力的测量：不准——不是因为工程做得烂，而是因为没有任何一张静态照片里装着那个答案。

提醒一句：几何不是没用。骨相是真实存在的，确实会影响一张脸怎么被读。错的是把它当成全部方程，而不是若干输入里的一个。

一致性问题（也就是 Reddit 上那波吐槽）

去搜"Looksmax AI accuracy Reddit"，一个规律会跳出来。人们拿同一张脸换光线、换角度，或者干脆重传一次，分数就变了。这里掉一分，那里 tilt 评级从正翻成负。最有诊断价值的吐槽不是"我分太低"——而是"我的分根本坐不住"。

一个测量工具该做的事是：对同一个输入给出同一个读数。一个体重秤同一分钟里给同一个人先显示 170 再显示 184，那它读的不是你的体重——它坏了。当一个测脸 app 对仅仅在光线和下巴角度上不同的输入给出不同的数字时，这种不稳定不是在告诉你关于你脸的事，而是在告诉你关于这个工具本身的事。

底层在发生什么：视觉模型对那些跟你毫无关系的输入极度敏感。下巴往下压四度，你的下颌就"变好"了。从下往上拍，你的额头就鼓起来了。冷色窗光换成暖色灯泡光，皮肤分就动了。模型不管怎样都吐出一个自信的数字——而自信和准确是两码事——照片里那些与吸引力无关的微小变化，就把结论甩来甩去。

提醒一句：一组小心拍摄、光线中性且完全一致的照片，能把波动收窄。但"我得控制影棚级条件才能拿到稳定读数"这件事本身就是招供——这数字说的是照片，不是这个人。

关键数字

陌生人在大约 100 毫秒内就对一张脸锁定了稳定的吸引力判断，看更久几乎不改变结论（Willis & Todorov, 2006）。
一项涵盖 919 项研究的元分析发现，人们对"谁好看"的共识远超"情人眼里出西施"这句俗话所说——而且好看的人会被归因上他们从未被测过的温暖与能力（Langlois et al., 2000）。
跨 37 种文化、约 10,000 人，女性在长期伴侣身上排在外貌之上的特质是可靠性，不是骨相（Buss, 1989）。
Looksmax AI 每次扫描返回一个十分制式的单一总分；用户报告同一张脸在不同角度和光线下产生不同的分数——这是工具自身的不一致，不是脸的不一致。
一张静态照片几乎捕捉不到亲和力、动态表情、打理、体态，或你动起来的样子——而这些恰恰是第一眼里最关键的部分。

那个没人在分数里点破的欧美审美偏见

这是被讨论得最少、却最要命的一条批评。Looksmax AI——和孕育它的整个 looksmaxxing 圈子一样——是围绕一套很窄的单一面部理想搭起来的：一个特定的下颌角、一个特定的眼裂倾斜、一套"协调"的比例，而这些一路追溯回去，都指向同一个西方审美模板。喂一张不符合这套模板的脸进去，app 不会说"不一样"。它说的是"更低"。

那不是对吸引力的测量。那是把"与某一种审美的距离"打了个分，再套上一个数字，伪装成客观真理。一只在欧美 canthal tilt 评判标准下显得"平"的单眼皮，并不是更没吸引力——它只是在这套标准之外。更宽的鼻子、更柔和的下颌、更饱满的五官：模型被对准了一个理想，然后把其余一切都当成对它的偏离来打分。

这件事之所以超出"公平"层面而重要，是因为它在吸引力问题上是经验性地错的。Buss 那项 37 文化研究发现，择偶偏好在不同人群间是有差异的——而横跨所有人群保持稳定的那些东西，并不是某一个下颌角。Langlois 的元分析发现，人们对吸引力在群体内部有强共识，但大家所认同的那套线索，远比一个几何理想丰富。真实的吸引力跑在真正多元的偏好之上。一个把每张脸都拿去对单一西方模板排名的工具，测的不是美。它测的是"对模板的顺从程度"——还自信满满地把结果贴错了标签。

提醒一句：跨文化里确实存在一些"看起来有吸引力"的共性——对称、皮肤干净、健康信号。错的不是声称存在任何普遍性。错的是把一个宽广、多样的人类偏好压缩成一个很窄的理想，再拿它给所有人打分。

Looksmax AI 和真实生活：它们为什么对不上

这就是"Looksmax AI vs real life"那道缝，而它是由一堆没有任何单张照片装得下的东西构成的。

普林斯顿的 Willis 和 Todorov 把脸在人面前闪现十分之一秒，让人做瞬间判断。这些判断——包括这张脸被评为多有吸引力——在给更多时间之后几乎没变。第一印象就是那个印象。但请停下来想想这个瞬间判断是用什么搭起来的，因为它绝不是"算一下下颌角"。Todorov 更广的工作显示，脸会沿着两条快速的轴被读：一张脸看起来多可信，以及多有支配感。放松的眉头、不绷着的眼神、隐约的笑意结构——这种亲和力给一张脸的加成，是纯几何解释不了的。

而这恰恰是 app 在结构上看不见的那个维度。你的眼神是柔和还是戒备。你看上去像不像一个好搭话的人。app 想要的那张中性、空洞眼神的自拍，正好把第一眼真正运转所依赖的东西剥了个干净。Ambady 和 Rosenthal 的"薄片切片"研究发现，人们能从短短几秒的无声片段里惊人准确地预判一个人——一个真笑、一声轻笑、对上并停留的眼神。这些东西在一帧定格里一概不存在。

Langlois 的元分析补上最后一刀：好看的人在开口之前就被归功了温暖与能力——也就是 Dion 在 1972 年记录的"美即好"效应。吸引力不是对你脸的一次读取。它是一个真人对一整个动态人类做出的归因级联，由远不止骨相的东西所点燃。这正是我们在 PAS vs 客观美貌里拆开的那个陷阱：你的脸上并没有坐着一个等着被读出来的"客观美貌"标量。

提醒一句：这不是"长相不重要"。长相显然重要。是说，真正重要的长相，包含那张打了光、会动、有表情、在情境里的脸——而不是测脸 app 单拎出来的那张被压平的几何脸。

术语门槛和订阅摩擦

还有两件人们常撞上的事，值得直说。

报告堆满了行话——"canthal tilt""harmony""potential"——听起来临床、精确。这套词汇干了分数干不了的活：它让一次摇晃的照片读取感觉像一份医学诊断。认得这些词并不会让底下那个数字更准一分；它只会让你更难去质疑它。

还有钱。App Store 和 Reddit 上反复出现的吐槽是：订阅开起来容易，取消起来折腾——而且付费墙是在你已经传完脸、看完进度条慢慢爬之后才弹出来的。那是计费设计上的选择，不是关于你下颌线的证据。点进去之前知道这一点，有好处。

提醒一句：如果三次中性、光线良好的扫描都一致指向某个可改的点——皮肤质地、发际线框型——那是个值得行动的真实信号。几何读数不是纯噪声。出问题的是包在它外面的那套框架。

拿到的那个分，该怎么处理

如果数字很高、生活却对不上：别再信几何，开始去打磨它看不见的东西——亲和力、表情、打理、体态。你的底子没问题；差的是呈现。

如果数字很低、把你打蒙了，请清清楚楚听这句。一个从你某张照片里下巴角度生成、再拿去对一个很窄的西方理想打的分，不是对你价值、你未来的测量——而且正如那些不一致的报告一再证明的——它甚至不是对你真实那张脸的测量。主流报道里被引用的心理学家已经提醒过：面向年轻男性营销的测脸 app，正在助长真实的身体意象和体象障碍问题。如果一个分数让你陷进螺旋，那你算的那道数学，从一开始就是错的题。

真正有用的问题从来不是"我几分"。而是"女性在第一眼里到底看到了什么，我又能改什么"。这正是这个免费测试要回答的——传完图不弹付费墙，不拿一个数字假装是判决。它通过真实的女性视角读你的照片、看感知吸引力——亲和力、表情、整个第一眼的读取——并告诉你哪根杠杆对你撬动最大，而且是基于真实的人真正拥有的那些多元偏好，而不是一套舶来的单一理想。

接着读：Umax 分数 vs 真实生活——同样这道缝，发生在被最多山寨克隆的那个 app 上；女性真正觉得有吸引力的是什么——那些赢过几何的线索；以及我有吸引力吗测试，如果你想把这个问题问得直接一点。

引用研究：Willis, J., & Todorov, A. (2006). First impressions: Making up your mind after a 100-ms exposure to a face. Psychological Science, 17(7), 592-598. Langlois, J. H., et al. (2000). Maxims or myths of beauty? A meta-analytic and theoretical review. Psychological Bulletin, 126(3), 390-423. Buss, D. M. (1989). Sex differences in human mate preferences. Behavioral and Brain Sciences, 12(1), 1-49. Dion, K., Berscheid, E., & Walster, E. (1972). What is beautiful is good. Journal of Personality and Social Psychology, 24(3), 285-290. Ambady, N., & Rosenthal, R. (1992). Thin slices of expressive behavior as predictors of interpersonal consequences. Psychological Bulletin, 111(2), 256-274.