Mistral Large 4 基准测试饱和与多模型 SVG 生成对比

Simon Willison 指出前沿模型基准测试已饱和，并演示了使用 llm 工具调用 Claude Opus 5.5、GPT-6.1-Sol、Gemini 3.8 Flash 及 Mistral Large 4 生成特定场景 SVG 图像。该实验旨在通过“穿渔网袜在火星乱穿马路的犰狳”这一荒诞提示词，直观对比各模型的默认推理水平与生成能力。