Eval丨 我们做了个“你画我猜 Benchmark” ：1350 张图后，GPT-6 险胜 周一笑*｜smiletalker* 王兆洋*｜Geisterspiele* 每逢新模型发布，总有人先让它画张 SVG。 这“传统”源自开发者 Simon Willison，他从 2024 年起反复用同一道题测模型，那就是著名的“自行车鹈鹕”。 这个原本带着玩笑意味的测试，后来成了观察新模型能力的保留节目，甚至有人认真查过，模型公司是不是已经开始针对这只鹈鹕优化。 而这个测试也不只测SVG，它其实可以覆盖从推理、思考、到画图、对抽象概念的理解等不同关键能力的考查。** 受这个启发，我们也决定做一个Benchmark，让模型画 SVG，以及升级一下，我们把一张图变成了一场你画我猜。 也就是模型画完不交给人打分，渲染成图片后交给其他模型猜，猜中，才算把意思画明白。 词库里除了常规名词，还有动作、热梗、AI 术语和反常识组合。 第一期，八个参评模型，一个参考组，150 个词，1350 次画图，11961 次猜测。 在目睹了各个模型或是让人惊艳或是让人哭笑不得的表现后，最终结果可以先公布给大家： Ast