AI绘图大比拼:当模型被要求生成「哈布斯堡下巴青蛙」的SVG图像时,它们都做了什么?

挖矿与质押

在人工智能技术日新月异的今天,AI不仅能够完成复杂的文本生成任务,甚至能够创作出精美的图形作品。然而,当我们将一个看似简单的指令 - - 「生成一只带有哈布斯堡下巴的青蛙SVG图像」 - - 交给不同的AI模型时,它们会如何理解并执行这一任务呢?这背后隐藏着怎样的创意逻辑与技术差异?近期,一项名为「FROGS」的AI基准测试项目公布了2026年8月的测试结果。该项目由研究员Jay Mollica发起,旨在通过一个固定的创意指令,对多个主流AI模型进行横向对比。测试要求每个模型在一个月内生成三次相同的SVG青蛙图像,并记录其响应时间、文件大小、代码注释等详细数据。最终,14个AI模型共完成了42次生成任务,为我们呈现了一场关于AI创意理解与执行能力的精彩对决。在这场「青蛙大战」中,不同模型展现出了截然不同的创作风格与技术特点。

有些模型严格遵循解剖学描述,仅对青蛙的哈布斯堡下巴进行中性标注;而另一些模型则在基础指令之上大胆发挥,为青蛙赋予了皇家气质、情绪表达甚至医学解读。这背后不仅反映了各大AI厂商在技术路线上的差异,也暴露了当前AI生成内容在理解与创新之间的微妙平衡。**从解剖学到皇家想象力:AI如何理解「哈布斯堡下巴」**哈布斯堡下巴(Habsburg jaw)这一术语源于欧洲历史上哈布斯堡王朝的成员因近亲繁殖而导致的典型面部特征,表现为下颌骨明显前突、上颌骨相对退缩。在医学上,这种特征被称为「下颌前突」(mandibular prognathism)。然而,当这一历史遗留的生理特征被引入AI生成的青蛙图像时,不同的模型对其理解与表现方式却大相径庭。以Anthropic公司的Claude-Opus-5为例,它在首次尝试中生成的SVG图像包含了详细的解剖学注释,如「massive protruding mandible」(巨大突出的下颌)、「recessed upper lip」(退缩的上唇)以及「protruding lower teeth」(突出的下齿)。

这些描述虽然准确,但缺乏更深层次的情感或历史关联。相比之下,同一公司的Claude-Haiku-4.5在注释中直接点明了「Habsburg Jaw - extreme underbite」(哈布斯堡下巴 - - 严重的反颌),并补充「Lower lip protrusion (Habsburg characteristic)」(下唇突出 - - 哈布斯堡特征)和「Chin bulge (Habsburg feature)」(下巴凸起 - - 哈布斯堡特征)。这种明确的历史关联表明,该模型在理解指令时不仅考虑了生理结构,还主动联想到了历史背景。然而,并非所有模型都能如此精准地把握指令的核心。Google的Gemini-3.6-Flash在生成的SVG中加入了大量未经请求的皇家元素,如「Royal Imperial Collar」(皇家帝国领)、「Imperial Habsburg Crown」(哈布斯堡皇冠)和「Golden Fleece Medal」(金羊毛勋章)。不仅如此,它还为青蛙赋予了情绪表达,如「Folded Pompously」(傲慢地折叠)、「gloomy expression」(忧郁的表情)和「Sad/Weary facial lines」(悲伤/疲惫的面部线条)。

这种「过度解读」的行为引发了一个重要问题:AI在生成内容时,是否应该超越指令的字面含义,主动添加额外的情感或历史背景?**技术实现与创意发挥:文件大小与响应时间的背后**在「FROGS」项目中,除了创意表现外,技术指标也是衡量AI模型能力的重要维度。响应时间与生成文件的大小直接反映了模型的计算效率与代码复杂度。在响应时间方面,Meta的Llama-4-Maverick以仅6.9秒的成绩位列最快之列,而DeepSeek的DeepSeek-V4-Pro则用时139.7秒,成为耗时最长的模型。这种差异不仅体现在硬件配置上,更反映了模型在理解指令、生成代码与优化SVG结构时的效率差异。例如,Llama-4-Maverick生成的SVG文件仅536字节,而Gemini-3.6-Flash的文件大小则达到了10,891字节,这表明后者在代码复杂度与注释密度上远超前者。文件大小的差异也与模型的创意发挥密切相关。

那些在注释中添加大量解剖学或历史背景的模型,如Gemini-3.6-Flash和DeepSeek-V4-Pro,其生成的SVG文件体积自然更大。例如,Gemini-3.6-Flash在注释中添加了65条说明,包括「Belly Plate (Weak chest)」(腹板 - - 虚弱的胸部)、「Heavy Droopy Eyelids (Habsburg lethargic look)」(沉重下垂的眼睑 - - 哈布斯堡倦怠的外观)等。这些额外的注释不仅增加了文件体积,也使得生成的图像更具「故事性」。相比之下,那些仅输出基础SVG代码的模型,如Mistral的Mistral-Large-2512,其文件大小仅为1,951字节。有趣的是,该模型在三次生成中产出了两次完全相同的SVG文件,这表明其输出具有高度的确定性。这种「确定性」虽然有助于稳定性,但也可能限制了创意的多样性。

**皇家想象力的意外发挥:AI为何热衷于「加冕」青蛙?**在「FROGS」项目的测试结果中,一个引人注目的现象是多个AI模型在生成青蛙图像时,自发地为其添加了皇家元素。例如,Gemini-3.6-Flash不仅为青蛙添加了哈布斯堡皇冠,还为其佩戴了「金羊毛勋章」和「皇家帝国领」。DeepSeek-V4-Pro同样不甘示弱,为青蛙绘制了华丽的长袍和「金羊毛勋章」,并在注释中将下颌描述为「The Legendary Habsburg Lower Jaw (Massive mandibular prognathism)」(传奇的哈布斯堡下巴 - - 巨大的下颌前突)。这种「皇家想象力」的发挥引发了广泛讨论。首先,它反映了AI模型在理解「哈布斯堡」这一术语时的联想能力。由于哈布斯堡王朝在欧洲历史上享有盛名,AI模型可能将其与「皇家」或「权力」等概念自动关联。

其次,这种行为也暴露了AI在生成内容时的「过度解释」倾向。即使指令仅要求生成一只带有特定生理特征的青蛙,AI仍然会主动添加与之不相关的历史或文化元素。更有趣的是,部分模型在添加皇家元素时表现出了「自我意识」。例如,Z.ai的GLM-5.1在注释中明确指出「crown (because Habsburg)」(皇冠 - - 因为哈布斯堡),而阿里巴巴的Qwen3.7-Max则在注释中写道「(optional Habsburg reference)」(可选的哈布斯堡参考)。这种「可选」的标注表明,模型在生成内容时已经意识到皇家元素并非指令所必需,但仍然选择添加,以增强图像的「故事性」。**情绪与表达:AI如何为青蛙赋予「灵魂」**除了解剖学描述和皇家想象力外,部分AI模型还为生成的青蛙赋予了情绪与性格特征。

例如,Gemini-3.6-Flash在注释中描述青蛙具有「gloomy expression」(忧郁的表情)和「Sad/Weary facial lines」(悲伤/疲惫的面部线条),而DeepSeek-V4-Pro则将青蛙的瞳孔描述为「Looking down, arrogant」(俯视的、傲慢的),并为眼睑添加了「Slight droop for effect」(轻微下垂以达到效果)。这种情绪化的描述不仅使图像更具「人性化」,也反映了AI在理解与表现情感方面的进步。然而,这种「过度拟人化」的行为也引发了伦理与审美上的争议。一方面,情绪化的描述能够增强图像的吸引力,使其更具故事性;另一方面,它可能导致AI生成内容偏离原始指令,产生不必要的复杂性。以Mistral的Mistral-Large-2512为例,它在生成的SVG中仅为青蛙的嘴部添加了一个「Smirk」(得意的微笑)的注释。这种轻微的情绪表达既符合指令要求,又未过度发挥,展现了「恰到好处」的创意平衡。

**确定性与随机性:AI生成内容的稳定性与多样性**在「FROGS」项目中,Mistral-Large-2512的表现引发了关于AI生成内容稳定性的讨论。该模型在三次生成任务中,有两次产出了完全相同的SVG文件。这种「确定性」虽然有助于保证输出的稳定性,但也可能限制创意的多样性。相比之下,其他模型如DeepSeek-V4-Pro和Gemini-3.6-Flash则展现出了更高的创意多样性。前者在三次生成中分别产出了不同的SVG文件,后者则在注释与图像细节上进行了多次变化。这种「随机性」虽然增加了不确定性,但也使得生成的内容更加丰富多彩。

然而,随机性也带来了新的挑战。例如,部分模型在生成过程中可能产出低质量或不符合预期的图像。因此,如何在稳定性与多样性之间找到平衡,成为AI生成内容领域的一个重要课题。**技术实现与优化:SVG生成的背后逻辑**SVG(可缩放矢量图形)作为一种基于XML的图形格式,其生成过程涉及对图形元素的精确描述与结构化组织。在「FROGS」项目中,不同的AI模型在生成SVG时采用了不同的技术路线。部分模型如Claude-Sonnet-5和Gemini-2.5-Pro选择了简洁的代码结构,仅包含必要的图形元素与注释。

这种「极简主义」的风格不仅减少了文件体积,也提高了生成效率。然而,这种风格也可能限制了图像的复杂性与细节表现。另一些模型如DeepSeek-V4-Pro和Gemini-3.6-Flash则采用了更复杂的代码结构,包含大量的注释、分组与样式定义。这种「丰富化」的风格虽然增加了文件体积,但也使得图像更具可读性与可维护性。例如,DeepSeek-V4-Pro在生成的SVG中使用了多个`<g>`(组)标签对图形元素进行分组,并为每个组添加了详细的注释,使得代码更易于理解与修改。此外,部分模型还在SVG中添加了CSS样式与JavaScript交互,进一步增强了图像的动态性与交互性。

例如,Gemini-3.6-Flash在生成的SVG中添加了`<style>`标签,为图形元素定义了颜色与线条样式。这种技术手段虽然增加了复杂性,但也为未来的图像交互与动画效果奠定了基础。**AI创意的边界与未来展望**「FROGS」项目不仅展示了当前AI模型在图形生成领域的能力,也暴露了其在理解与创新之间的局限。一方面,AI能够准确理解并执行指令,生成符合解剖学描述的青蛙图像;另一方面,AI在面对开放性或多义性指令时,可能会过度解读或添加不必要的元素。这种「过度解读」的行为在人工智能领域并不罕见。由于AI模型在训练过程中接触了大量的历史、文化与艺术作品,它们在面对特定关键词时,会自动联想到相关的背景知识。

然而,这种联想能力既是AI创意的源泉,也是其偏离指令的根源。未来,随着AI技术的不断发展,我们有理由期待更加精准与智能的生成模型。例如,通过引入更高级的指令理解机制,AI能够更好地把握用户意图,避免「过度发挥」的现象。同时,通过优化生成算法,AI能够在保证输出质量的前提下,提高生成效率与多样性。此外,AI生成内容的伦理与审美问题也需要引起重视。在「FROGS」项目中,部分模型为青蛙赋予了「傲慢」或「忧郁」的情绪表达,这种拟人化的描述虽然增强了图像的吸引力,但也可能引发对AI生成内容「情感操纵」的担忧。

因此,在开发AI生成系统时,需要建立相应的伦理框架与审美标准,确保生成内容的健康与合理。**结语:从青蛙看AI的未来**「FROGS」项目虽然看似简单,但其背后蕴含的意义却远不止于此。通过观察不同AI模型在面对同一指令时的表现,我们能够更深入地理解当前AI技术的优势与局限。从解剖学描述到皇家想象力,从技术效率到创意发挥,这场「青蛙大战」为我们揭示了AI生成内容的多样性与复杂性。未来,随着AI技术的不断演进,我们有理由相信,AI生成内容将变得更加精准、智能与多样化。然而,无论技术如何发展,人类的创意与审美始终是AI生成内容的核心驱动力。

因此,在享受AI带来的便利与惊喜的同时,我们也需要保持对其生成内容的理性思考与审美判断。最后,如果你对这场「青蛙大战」的详细数据与SVG源代码感兴趣,可以访问「FROGS」项目的公开数据库。在那里,你将能够看到每个AI模型的完整生成过程,并亲身体验AI创意的奇妙之处。 。