⌘ K
… 读取采集状态 同步中...
雷
原文
硅星人Pro· 硅星人Pro·· 2026-09-05AI 评分72

你画我猜 Benchmark:GPT-6 险胜 Gemini 与 Claude,8 款模型互测 SVG 理解能力

Eval丨 我们做了个“你画我猜 Benchmark” :1350 张图后,GPT-6 险胜

AI 导读

该团队设计了一个让模型画 SVG 再互相猜词的多模态评测基准,首期测试 8 款模型共 1350 张画作。GPT-6 Astra 以 75.5 分险胜 Gemini 3.8 Flash 和 Claude Fable 5.1,但前三名置信区间重叠。测试结果发现,模型思考 token 数量和调用费用并未与得分稳定正相关,且模型在反常识与抽象词汇理解上表现普遍较弱。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:硅星人Pro · mp.weixin.qq.com