核心信息
TryAI 团队设计了一个绘画竞技场：给视觉模型一张空白画布和一套彩色铅笔工具，然后观察它们如何”画”出目标图像。
测试设置
- 模型: GPT-5.6 Sol、Claude Fable 5、Grok 4.5、Gemini 3.6 Flash
- 目标: 蒙娜丽莎、梵高《星月夜》（客观评分）+ 5 个开放式提示
- 总计: 28 幅画作
关键发现
- GPT-5.6 Sol 和 Claude Fable 5 在目标还原度上领先
- Grok 4.5 在基础绘画任务中表现粗糙
- 开源权重模型几乎不可用，多个返回空白画布
- Gemini 3.6 Flash 展现了一定的绘画能力
意义
这项测试展示了前沿视觉模型在”工具使用 + 视觉生成”交叉领域的能力差距，与传统的文生图评估维度不同——它测试的是模型能否通过迭代使用工具（彩色铅笔）来达成视觉目标，类似于 Agent 使用工具完成任务。