想象一下，给顶级AI模型一张白纸和一套彩色铅笔，让它们从第一笔开始，慢慢画出一幅蒙娜丽莎。这不再是简单的文字生成图像，而是一场真正的技巧考验。
在这次有趣的测试中，GPT-5.6 Sol、Claude Fable 5、Grok 4.5和Gemini 3.6 Flash这四位选手进入了特制的绘画竞技场。它们不仅要决定画什么，还要像真正的画家一样，控制笔尖的粗细、压力和颜色。它们可以使用晕染工具来混合色彩，也能用橡皮擦去败笔，甚至能通过查看画布指令来审视自己的作品。这里没有一键填色的快捷键，每一抹阴影和色彩都必须通过不断叠涂来实现。
实验结果非常出人意料。GPT-5.6 Sol成为了全场的领跑者。它非常高效，平均每幅画只用了29步，用时约6.2分钟，成本仅为7.74美元。有趣的是，它从不浪费口舌去单独设置画笔参数，而是直接在下笔时完成所有配置。它创作的星空和玫瑰花被公认为全场最佳，在细节处理上几乎完胜其他对手。
相比之下，Claude Fable 5的表现让人有些心疼钱包。它画一幅画平均需要12.5分钟，消耗的成本高达160.58美元。虽然它在其他任务中表现出色，但在这个绘画挑战中，它不仅动作慢，产出的作品质量也略逊一筹。它极其依赖晕染工具，试图通过不断的模糊处理来掩盖笔触。
Grok 4.5则像是一个深陷细节的微观管理者。在它的工具调用记录中，竟然有65%的操作是在反复调整画笔颜色、宽度和压力。由于把大量精力花在了调色和选笔上，它画一幅画平均需要99步，但最终的效果却显得有些粗糙。而Gemini 3.6 Flash则是最纠结的审稿人，它每画几笔就要停下来观察一下画布，每幅画平均自审22.6次。虽然它在数学层面的结构相似度评分中拿到了最高分，但从人类的审美角度来看，它的作品并不一定是最漂亮的。
这次实验还揭示了一个有趣的共性：AI往往会画蛇添足。所有的模型在创作中途其实都达到过一个最佳状态，但由于它们不断地进行自我审查和修改，最终的作品反而不如中间过程。比如Gemini 3.6 Flash在画蒙娜丽莎时，中途的相似度曾达到峰值，但随着它继续编辑，得分反而一路下滑。
这场实验不仅仅是为了看AI画得有多像，更是为了观察它们处理开放式任务时的能力。那些廉价的开源模型在面对这种需要长路径规划的任务时，往往只能交出白卷。通过这种方式，我们能更清晰地看到顶级模型与普通模型之间的真实差距。这不仅是算法的较量，更是逻辑、效率和艺术理解力的综合体现。
0
