已验证65% 置信事实精确时间

Simon Willison使用'鹈鹕骑自行车'的SVG生成作为非正式的模型能力基准测试

3

来源数

65%

置信度

长期有效

时效性

2026/7/13

首次发现

来源

Meta Muse Spark 1.1发布：首个开放API的Spark模型全面解析

rss2026/7/9

相关事实

待验证Simon Willison长期使用'鹈鹕骑自行车'作为固定测试用例来横向对比不同AI模型在不同时期的表现73% 相似待验证「画一只骑自行车的鹈鹕」测试最初由开发者Simon Willison提出,用来评估大语言模型和图像生成模型的能力边界71% 相似待验证出现了专门针对物理合理性的基准测试集，如EvalCrafter、PhyGenBench59% 相似待验证已出现名为 JevBench 的基准测试，专门用于比较 Jev 级决策模型57% 相似待验证鹈鹕测试属于代码生成加视觉推理的复合型评测，通常使用Python配合matplotlib、turtle或SVG等绘图库55% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/500649

API

curl https://kongchang.com/api/v1/knowledge/claims/500649

MCP

get_claim(id=500649)