每天听简报，了解最新科技、AI、软件资讯
这个网站测试的老传统，是看大模型能不能画出一只鹈鹕骑自行车的SVG图，这次它换了三十道更古怪的组合题。这次找来六个二零二六年的最新模型同台比拼，比如让章鱼操作管风琴、长颈鹿组装座钟。Gemini三点八Flash色彩最抢眼，细看却经常散架，长颈鹿被画出两个脖子还穿着西装。评论区最扎心的一条说，这套测试已经被古德哈特定律吃掉了。厂商把类似题目喂进训练集，现在比出来的只是谁背题背得熟，分不出真正的推理能力。有人调侃，题都刷穿了，下一步是不是该比谁攻破五角大楼更快。也有人反驳，这种直观的画面测试，好歹比一个干巴巴的分数更容易看出高下。
进度保存在本设备 · 登录同步