AI Beauty Test 免費顏值評分網站，先看清分數怎麼來再上傳臉照

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

打開 aibeautytest.org，把一張臉部照片拖進虛線框，按下分析鈕，它承諾給你一個 1 到 10 分的顏值總分，外加臉部對稱、黃金比例、膚質、和諧度等分項分數，再附上一段分析和幾條變美建議。全程免費、免註冊。這是它帳面上的樣子。而我實際走過它的上傳與分析流程、翻開它的網頁原始碼之後，看到的是另一個故事：那個看起來很科學的分數，來自一段寫在前端裡的提示詞，請一個視覺模型照著欄位填數字；你的照片會整張離開瀏覽器，送去一個連隱私權政策都沒有的伺服器；而且截至 2026 年 9 月中，這個分析功能本身還處於按下去就報錯的狀態。想要娛樂一下它稱職，但如果你想知道的是「我客觀上長得如何」，這篇文章會說明為什麼它給不了答案。

照片拖進去之後，它去了哪裡

大多數人對「線上 AI 工具」的直覺是：瀏覽器裡跑個模型，照片處理完就結束。這個站的路徑不一樣。從它的頁面原始碼看，你選好照片後，瀏覽器做的唯一一件事是把整張圖讀成 base64 字串，連同一份提示詞一起，用一個請求打包丟給站方的 /api/get-beauty-rating 介面。換句話說，照片會完整離開你的裝置，進到站方租用的伺服器，再由伺服器轉給背後的模型。前端沒有做人臉偵測、沒有壓縮、沒有裁切，連檔案大小都不先檢查。檔案類型也不挑，上傳欄位接受任何圖片格式，照片裡有沒有臉、光線夠不夠、是不是本人的正臉，這些前置檢查全部留給後端，而後端目前對此的回應方式是直接報錯。

Pin

不檢查大小的後果我實測到了。拿一張超過 3MB 的照片送上去，伺服器會直接以檔案太大為由拒絕，畫面上不會出現任何友善提示，就是失敗。以現在手機動輒一兩千萬畫素的拍照品質，原圖直傳其實很容易撞到這條隱藏上限，而站上沒有任何地方告訴你這個限制存在。

比大小限制更要緊的問題是資料去向。這個網站收集的是臉部照片，屬於最敏感的個人物料之一，但我把站上常見的法律頁面全部敲過一輪：隱私權政策、使用者條款、關於我們、聯絡方式，全部是 404。網站地圖裡也只列了首頁和兩個工具頁。也就是說，照片送上去之後存在哪裡、留多久、會不會被拿去做別的用途，沒有任何一份文件給出承諾，你也找不到一個可以要求刪除的管道。這不是只有顏值評分才要面對的取捨，線上證件照工具或老照片修復服務同樣會把照片送進別人的伺服器，差別在於那些站至少寫了政策讓你判斷。如果你好奇一張照片在 AI 手裡能被推出多少資訊，GeoSpy 這類從背景反推拍攝地點的工具示範過答案，臉照的敏感度只會更高。

分數是誰打的？答案就寫在網頁原始碼裡

這是整個調查裡最有趣的部分。提示詞不是什麼商業機密，它就明文寫在首頁載入的 JavaScript 檔案裡，任何人按右鍵檢視原始碼都能讀到。開頭第一句是「你是一位專業的臉部美容分析師」，接著要求模型針對照片裡的臉，考慮對稱性、黃金比例、和諧度、膚質等因素，然後嚴格按照指定的 JSON 格式輸出：總分一到十分的小數、四個分項分數、一個「正常度百分比」，順便估計年齡與性別。

評分標準也是用文字定義的。提示詞裡寫著：10 分接近完美，8 到 9 分優秀，6 到 7 分良好，5 分中等，往下類推。你以為的五個維度分析，實際上是同一個模型對同一張圖、照同一份說書稿給出的五個欄位；所謂黃金比例分數，並沒有人真的在照片上量測任何五官比例，就是模型憑整體印象填的一個數字。整個前後端程式碼裡，找不到任何臉部特徵點偵測或幾何計算的套件，因為測量這件事從頭到尾不存在。

輸出欄位裡的正常度百分比要拆開來看。提示詞對它的定義是，這張臉的各項特徵落在一般人群常見範圍的比例，並且特別註明「百分比高不一定更有吸引力，只表示更典型」。這個欄位大概是整個產品裡最誠實的設計，它承認了「典型」與「好看」是兩件事。但別忘了它同樣是模型估出來的數字，背後沒有任何人群統計，數字本身只是印象。

那麼背後的模型是什麼？站方沒有揭露，程式碼裡也查不到，只知道伺服器把照片與提示詞轉交給某個會看圖的生成式模型。這類模型的原理是讀過海量的圖文配對資料，擅長用文字描述與推測圖片內容；它很會說話，但它不內建量尺。把「請描述這張臉」換成「請給這張臉打 8.7 分」，模型一樣會照辦；分數的權威感來自數字的形式，不來自任何量測。

連分析文字的口吻都是指定的。提示詞要求那段 100 到 150 字的分析用「Reddit 鄉民」的語氣、友善謙遜、像跟朋友聊天，而且必須是正面評論；四條建議同樣指定鄉民風格。所以你讀到的「親切中肯的點評」，是被這樣訂做出來的。同一個站的分享按鈕還會把你包裝成「我有百分之幾的正常度，顏值評分幾點幾」的現成文案，送去五個社群平台，傳播迴圈在產品層就設計好了。

理解這個機制之後，分數的意義就清楚了。它像你把照片拿給一位很會講話的網友看，請他憑感覺打個分，只是這位網友回覆速度比較快、修辭比較穩定。當娛樂可以，當測量不行。

官方說法與程式碼對不上的三個地方

站上常見問題區寫得煞有其事。問到不同族群的評分準確度，它回答系統「訓練於多元資料集，涵蓋各種族群、膚色與臉部特徵」；問到技術，它說持續更新到「最先進的機器學習」與臉部辨識技術。但訓練資料集這個說法在程式碼裡對不上號：這是一個沒有自有模型的提示詞包裝站，評分端看背後接的生成式模型怎麼回應提示詞，談不上訓練了什麼資料集。行銷文案與實作之間的這段距離，是你決定要不要相信「精準評分」四個字時最該參考的證據。

Pin

另一處在首頁的成果展示區。頁面上排著幾張人像，各自掛著 8.2、7.5、7.3 的總分與分項成績，看起來像真實使用者的輸出。我把這些數字從原始碼裡撈出來檢視，它們是直接寫死在網頁裡的靜態內容，配圖是站方自行擺上的圖檔，來源不明。再往下捲，那面數千人信賴的見證牆，用戶頭像也是從 0 開始編號的制式圖。也就是說這一頁的成果展示與人氣都是佈景，不是任何人的評分結果。就連首頁大標題本身也塞滿了「我有多好看」「我漂亮嗎」這類搜尋字詞，這個站對搜尋流量的渴望，寫得比對評分品質的投入更明白。

Pin

就連操作說明也經不起對照。站方自己列的步驟是上傳清晰正臉照、按下測試按鈕、分享結果，短短三步，聽起來什麼都不用管；實際介面也確實如此，上傳之後就是一顆分析按鈕，沒有維度可挑、沒有參數可調，連「光線不足建議換一張」這類基本把關都不存在。把一切留給黑箱，是這個產品在設計上就做好的選擇。

同一個引擎的三張面具，與它的生意

aibeautytest.org 不是孤站。同一個網域底下還掛著三個姊妹工具：roast-me 讓 AI 用「吐槽大師」人設毒舌你的照片，rate-me-out-of-10 換個滿分制再評一次，face-shapes-detector 則改口自己是「臉型分析師」，幫你判斷臉是圓是方。我把它們的頁面程式碼各自翻開，架構完全一樣：同樣把照片打包上傳，同樣一段角色扮演提示詞，吐槽站甚至與顏值站共用同一個後端介面。差別只在提示詞裡那個「你是誰」的設定。理解了這一點，四個站其實是一個引擎換四張皮。

生意模式也相應單純。頁面掛著 Google AdSense 廣告與流量分析，服務免費免註冊，你造訪的每一頁都在替廣告曝光生產庫存；臉部照片對這門生意而言，是讓你停留在頁面上的誘餌，以及下次再來的理由。註冊紀錄顯示網域在 2025 年 4 月底成立，頁尾連往同一經營者的 Midjourney 提示詞庫與其他工具站，過去一年陸續透過 Product Hunt 之類的產品目錄推廣。這是一位獨立開發者的廣告變現專案，規模小、沒有對外承諾，哪天後端的模型額度燒完或金鑰換季，服務就會像現在這樣安靜地壞掉，沒有人需要對你負責。

按下分析鈕，現在會發生什麼事

現實是：壞掉的正是核心功能。我在 2026 年 9 月中反覆測試，用瀏覽器實際走完上傳與分析流程，也換了幾種不同的照片直接呼叫它的分析介面，得到的清一色是伺服器錯誤，畫面上只跳出一句英文的錯誤訊息，尾端帶著 500 的狀態碼，分數、分析、建議一樣都拿不到。翻開開發者工具看底層回應還有一個小彩蛋：這個全英文介面的網站，伺服器端的錯誤文字是用簡體中文寫的。這個細節透露了它的出身，也再次提醒你這個站有多精簡。

這種故障是暫時還是長期，沒有人能保證，它是典型的個人專案斷電樣貌，可能是上游模型額度用罊，也可能是金鑰失效。過一陣子再訪問一次就知道。不過就算功能恢復，也有一件事不會變：生成式模型對「憑感覺打幾分」這種開放式問題，本來就沒有再現性，同一張照片評兩次出現不同分數是正常發揮，因為打分的機制裡根本沒有量尺。把單一次的總分當成自己的定論，是對這類工具最常見的誤用。順帶一提，同樣以臉為素材的玩法裡，FaceFusion 這類換臉工具的濫用風險又是另一個量級，拿別人的臉來玩之前，邊界感要更清楚。

可以玩一輪，別讓分數替你定義長相

把它當成派對遊戲或社群文案產生器，它是合格的：免費、免註冊、流程只有上傳與按鈕兩步，分享鈕都幫你備好了。想玩的話，挑一張你不在乎外流的照片，心裡先打好「這是抽籤不是體檢」的預防針，分數高就截圖分享，分數低就笑一笑關掉。它甚至可能成為朋友間的話題素材，畢竟連吐槽版都替你準備好了。

以下幾種期待它滿足不了。想知道「客觀顏值」的人：這個東西不存在，它給的是一段提示詞向模型要來的意見，連再現性都沒有。在意照片隱私的人：無政策、無刪除管道、也找不到任何聯絡信箱的站，拿臉照去換一段娛樂文字，換算比例很差，真的想掌握照片的落地位置，自架相簿 Immich 那條路雖然要花工夫，至少控制權在你手上。需要穩定服務的人：一個斷電就安靜失聯的個人專案，不適合排進任何正經流程。

我的判斷一句話：可以玩，別當真，更別交出你捨不得的照片。判斷一個 AI 小工具值不值得信任，這次示範了一套人人可用的動作：按右鍵看看原始碼，查一查有沒有提示詞的痕跡，數一數站上的政策頁。下次再遇到「AI 精準分析」的宣傳，這套動作比任何行銷文案都可靠。