Show HN:Pelican-bicycle 的替代方案(2026 年更新版)
Show HN: Pelican-bicycle alternatives

原始链接: https://gally.net/temp/20260914pelican-alternatives/index.html

本文件追踪了 2025 年及 2026 年多款人工智能模型在生成一系列 30 个创意提示词(例如“章鱼在演奏管风琴”、“企鹅在耍电锯”)SVG 图形时的表现。 在前 10 个提示词中,数据提供了六款 2026 年模型——GPT-6 (Astra)、Claude Fable 5.1、Gemini 3.8 Flash、DeepSeek V4 Pro、Qwen3.8 Max 以及 Fugu Ultra v2——的处理时间和成本细分。其余 20 个提示词虽已列出,但尚未完成 2026 周期内的生成。 记录显示了这些模型在效率和定价结构上的显著差异:单次任务成本从低至 0.04 美元到超过 2.00 美元不等,生成时间则从约 1 分钟到超过 17 分钟不等。此外,文件还参考了 2025 年包含 Claude、GPT、Gemini、DeepSeek、GLM 和 Qwen 等多版本在内的 9 到 10 款模型的表现基准,以此作为衡量 AI 在 SVG 图像生成领域进步的对比组。

一位 Hacker News 用户最近重温了受 Simon Willison 启发的一项基准测试实验,比较了当前的大语言模型如何根据“一只正在弹奏管风琴的章鱼”这类提示词生成 SVG 图像。 讨论强调了在过去九个月中,SVG 生成能力有了显著提升。然而,参与者对于使用此类创意提示词作为基准测试的有效性展开了辩论。批评者认为,这项任务已经“古德哈特定律化”(Goodharted)——很可能已被包含在模型的训练集中——这使得人们无法真正评估模型的涌现能力。其他人则指出,由于训练偏差或语言习惯(例如从左到右的视觉布局),模型往往会默认生成相似的构图。 虽然一些评论者称赞 Gemini 和 Qwen 等特定模型具有独特的风格和动画功能,但许多人指出,模型在复杂的空间推理方面仍然存在困难,例如无法正确对齐交互实体。尽管存在这些缺陷,参与者仍为该实验辩护,认为这是一种评估模型性能的有价值且直观的方式,相比抽象的数字基准测试,它提供了更直接、更易于理解的评估结果。
相关文章

原文
联系我们 contact @ memedata.com