我们做了个“你画我猜Benchmark” ：1350张图后，GPT-6险胜

📋总体概括

硅星人Pro模仿开发者Simon Willison自2024年延续的『自行车鹈鹕』SVG绘画测试传统，自制了一套『你画我猜Benchmark』，通过1350张生成图像对多个模型进行横向评测，结果显示GPT-6以微弱优势胜出。这一原本带有玩笑性质的测试，如今已成为新模型发布后社区观察其真实能力（尤其是指令理解与视觉表达能力）的保留节目，甚至有用户怀疑模型公司是否已针对该测试做过专项优化，折射出民间评测与官方跑分之间的张力。