标签
一位用户声称 GPT-6 Astra 能够复刻 Fable 5.5 的 SVG 图形作品，效果更好，并暗示之前的赞誉不过是能力不足而非模型问题。
Simon Willison 对 Mistral Large 4 与前沿模型（Claude Opus 5.5、GPT-6.1、Gemini 3.8 Flash）进行了对比测试，要求模型生成一张犰狳穿着渔网袜在火星上乱穿马路的 SVG 图像，并借此指出，在基准测试日益饱和的当下，测试正被迫转向荒诞的创意提示词。
一项实验比较了两种 AI 工具 Opus 5.5 和 Sol 6.1 在无参考图像的情况下创建蒙娜丽莎 SVG 的能力，评估了它们的艺术输出和思维水平。
一条推文对比了 GPT-6 Astra 和 Anthropic 新模型 Mythos 在 Pelican SVG 测试中的表现，并附有外部来源链接。
RULER为SVG生成引入了实例感知的评分标准奖励，利用视觉语言评判器优化强化学习，显著提升性能，优于之前的方法。
这是 Gemini 4 Pro 和 Gemini 3.8 Flash AI 模型之间的对比基准测试，测试内容为生成一个骑自行车的鹈鹕的 SVG 图像。
本文比较了2025年和2026年各种AI模型根据特定提示生成SVG的性能，详细说明了输出质量、耗时和成本。
Fusion是来自新加坡实验室的新AI模型，在SVG生成方面表现出色，具有准确的结构连接和与Claude的Opus 5相比显著的成本节省。
GitHub发布了其星标历史API，开发者Lee Reilly使用Copilot CLI构建了Star Chart，为GitHub仓库生成自更新的星标历史图表。
SVG-Score引入了一个与人类对齐的文本到SVG生成评估框架，通过开发专门的评估器和基准，解决了现有指标（如CLIPScore）的局限性。
Anthropic发布了Claude Fable 5.1，声称在编码、知识工作和科学研究基准测试中有所改进，同时Simon Willison使用自定义的鹈鹕SVG生成基准测试来评估其性能。
文章对在128GB Apple Silicon上运行的本地LLM进行基准测试，用于生成SVG鹈鹕，比较了Qwen3.8变体和DeepSeek V4的量化版本，量化由Unsloth完成。
Chart2SVG引入了一种多模态大型语言模型，将光栅图表图像转换为可编辑的SVG代码，从而支持数据探索和图表重用等下游任务，并提升重建保真度。
一位用户在 SVG 生成任务中测试了 Qwen3.8 27B 模型，并使用了一个复杂提示，发现结果超出了预期，突显了该模型在创造性任务上的能力。
新基准测试对比了Qwen3.8-27b、Sol 5.6和Qwen3.6-35B模型在生成沙漠中骆驼背景下的自行车上的马SVG图像时的性能，使用了包含拼写错误的提示。
本文比较了本地AI模型Qwen3.8-27B、Muse Glimmer 30B和Gemma 4 26B A4B在SVG生成方面的性能，使用Gemini 3.7 Flash作为云对照，并突出了输出质量的差异。
标题指的是利用 Qwen 3.8 27b AI 模型在海洋场景中生成一个 One Piece 船的动画 SVG，预计耗时 7 分钟。
一项个人AI基准测试要求模型生成一个带有哈布斯堡下颌的青蛙SVG，结果发现模型添加了大量添油加醋的内容，编造了皇室身份和医学评论，超出了字面请求。
一项分析调查了AI实验室是否在针对流行的‘骑自行车的鹈鹕’SVG基准测试优化其模型，该测试在48个提示中测试了七个前沿模型，使用不同的动物和车辆，未发现过拟合的强有力证据。