利用Claude和GPT生成SVG代码绘制二次元美少女

背景

在人工智能生成内容（AIGC）领域，尤其是涉及复杂视觉生成的任务中，如何有效评估大语言模型（LLM）的逻辑推理与代码生成能力，一直是一个备受关注的议题。传统的“刷题”式测试往往侧重于文本逻辑或数学计算，难以直观反映模型在处理多模态指令时的真实水平。

近期，在 LINUX DO 社区的 AI 板块中，出现了一种新颖的测试思路：利用 SVG（可缩放矢量图形）代码生成二次元美少女形象。这一创意由一位自称“臭二刺螈”的用户提出，旨在通过大众易于辨别的视觉效果，来直观对比不同模型在遵循复杂指令、保持解剖结构合理性以及审美输出上的差异。该测试不仅避免了枯燥的代码调试，更将模型能力具象化为可视化的艺术成果，成为了一种兼具趣味性与技术深度的评测方式。

核心内容

该分享的核心在于利用大型语言模型直接生成 SVG 代码，从而在浏览器或支持 SVG 的环境中渲染出二次元风格的女性角色。SVG 是一种基于 XML 的矢量图像格式，通过代码描述线条、形状和颜色，对模型的几何理解能力和代码规范性要求极高。

1. 测试对象与工具 本次对比主要涉及两款前沿的大语言模型：

• Claude Fable 5：文中提到的“fable酱”指的是 Anthropic 公司推出的 Claude 系列模型（注：原文提及“fable5”，结合语境及 Anthropic 近期动态，可能指代 Claude 的某个特定版本或社区昵称，此处保留原文称呼）。该模型在发布初期即被用于测试，用户通过 Any API 接口调用，成功绘制出形象。
• GPT 5.5：指代 OpenAI 公司开发的 GPT 系列模型（注：截至当前公开信息，OpenAI 尚未正式发布名为“GPT 5.5”的模型，此处严格遵循原文表述，可能为用户对最新内测版本或特定微调版本的称呼）。该模型在“xhigh”（可能指代高置信度或特定输出模式）设置下进行了直出测试。

2. 提示词工程（Prompt Engineering） 测试的核心指令非常简洁但具有挑战性：

“请你用 SVG 画一个二次元美少女，五官比例，脸部长宽比请参考近年流行趋势，并生成 SVG 代码。”

这一提示词包含了三个关键约束：

• 格式约束：必须输出可执行的 SVG 代码。
• 内容约束：二次元美少女风格。
• 审美与比例约束：需符合“近年流行趋势”的五官比例和脸部长宽比。这要求模型不仅具备绘图知识，还需内化特定的美学标准（如大眼睛、小鼻子、特定的脸型轮廓等）。

3. 测试结果呈现

• Claude Fable 5 表现：用户回忆称，在模型刚发布时，通过 API 调用成功生成了符合预期的 SVG 图像，并对此印象深刻。文中提到“fable酱离开了我”，暗示该特定模型版本或接入方式可能已不再可用，带有怀旧色彩。
• GPT 5.5 表现：通过“xhigh”模式直出，用户展示了其生成的 SVG 代码及渲染效果。

关键要点

• SVG 作为 LLM 能力的新兴测试场：SVG 代码生成要求模型具备严格的语法逻辑和空间几何想象力，比纯文本生成更能暴露模型在结构化输出上的缺陷。
• 审美指令的量化难度：提示词中“参考近年流行趋势”是一个主观且动态的概念。模型能否准确捕捉并执行这种非结构化的审美指令，是衡量其对齐能力（Alignment）和训练数据质量的重要指标。
• 模型迭代与可用性：文中提到 Claude Fable 5 的“离开”，反映了 AI 模型版本迭代迅速、API 接口变更频繁的现状。测试的时效性极强，旧版本的优异表现可能无法在新版本或新接口中复现。
• 社区驱动的评测文化：此类测试由社区用户自发提出，通过直观的视觉对比（“大众能辨别效果”）来替代复杂的基准测试分数，体现了开发者社区对模型能力评估的多元化探索。
• 二次元文化的渗透：二次元美学作为互联网文化的重要组成部分，其特定的比例和风格标准被引入技术测试，显示了亚文化对主流技术评测维度的影响。

意义与影响

这一看似简单的“画美少女”测试，实则揭示了 AIGC 领域几个深层次的趋势：

1. 从“功能正确”到“审美对齐”：早期 AI 测试关注代码是否能运行，而现在的测试更关注生成内容是否符合人类的主观审美和文化偏好。SVG 二次元绘画正是这种“审美对齐”能力的试金石。
2. 可视化评测的普及：对于非技术背景的普通用户而言，复杂的损失函数（Loss Function）或准确率（Accuracy）指标难以理解。通过直观的图像生成效果，普通大众也能参与模型能力的讨论和评判，降低了技术门槛，促进了 AI 技术的普及。
3. 提示词工程的精细化：该案例展示了如何通过简短的提示词引导模型处理复杂的视觉和比例问题。这提示开发者，在构建工作流时，对提示词的措辞（如“脸部长宽比”、“流行趋势”）进行精细化设计，能显著提升输出质量。
4. 模型竞争的直观化：Claude 与 GPT 系列的直接对比，不再局限于论文中的表格数据，而是变成了用户桌面上的具体图像。这种竞争方式更加透明、直观，也更能反映模型在实际应用场景中的表现。

综上所述，虽然原文篇幅简短，但其背后蕴含的关于模型能力评估、提示词设计以及社区文化互动的思考，对于 AI 开发者和爱好者具有重要的参考价值。它提醒我们，在追求模型参数规模的同时，不应忽视其在具体、细微且充满人文色彩的任务上的表现。