我们做了个“你画我猜Benchmark” ：1350张图后，GPT-6险胜

📋总体概括

硅星人Pro设计了以「你画我猜」为形式的图像生成评测，用1350张SVG图对比各模型表现，GPT-6以微弱优势险胜。该评测传统源自开发者Simon Willison自2024年起反复使用的「自行车鹈鹕」测试题，原本是玩笑性质的实验，如今已演变为新模型发布后观察其能力的保留节目，甚至有人怀疑模型公司已针对该测试题目做过专门优化。文章还指出，画SVG并非只是趣味测试，其背后实际上可以检验模型在指令理解、空间推理和代码生成等多维度的综合能力。