一句「画一只骑自行车的鹈鹕」，同时压着动作理解、时序一致与空间关系，而且一眼能看出好坏。下面是提示词、合格线参照和逐条可勾的检查清单。
下面这条是本站用 SVG 手写的鹈鹕，作为对照用。它刻意做到了六项检查里的每一项 —— 尤其是腿和踏板：两者用的是同一个坐标函数算出来的，所以永远不会踩空。别人画的作品达不到这个水平时，差距一眼就能看出来。
难度：入门
加载中…
不能当严格 benchmark 用，但很适合看短时间内的体感变化。题目公开且被反复用过，模型可能已经熟悉，所以它测不出绝对水平；它的价值在于——同一个提示词、同一个模型，你今天跑和上周跑，能一眼看出差别。社区里管这个叫体感温度计。
看六处结构：两个轮子有没有真的在转、车架有没有跟着轮子一起转、鹈鹕的腿和踏板对不对得上、嘴和喉囊画不画、循环末尾跳不跳帧、以及前进是靠背景平移还是靠整幅画在飘。这六处每一处都对应一类结构错误，而且不需要懂代码就能看出来。
因为其它错误要盯着看很久才发现，这个看一眼就露馅。早期模型会把鹈鹕和自行车当成两个东西拼在一起，腿是画的、踏板是转的，两者各自独立动画，于是踏板转到哪腿都不跟，看着像踩空。它说明模型没有把「蹬踏板带动腿」这件事当成一条因果链来处理。
不是，是本页自己用 SVG 手写的，作为合格线的参照物。它的腿和踏板用的是同一个坐标函数算出来的，所以永远对得上——参照物自己不能犯这道题要测的毛病。打开辅助线能看到曲柄的垂直半径，脚就跟着这条线的端点走。
不会。提示词、检查清单和动画都写在随页面下发的脚本里，页面不发任何网络请求，也不会生成任何文件。你调过的速度与勾选的检查项只留在浏览器本地，方便下次打开接着用。
大模型的跑分早就被针对性优化过了 —— 榜单上的分数越来越好看，体感却未必跟着变。社区于是转向另一类题：短到一句话、长到看不出深浅，但做得好不好一眼就能分出高下。「画一只骑自行车的鹈鹕」成了其中最出名的的一道。它不需要任何前置知识作门槛，判卷人只要看几秒钟动画：轮子转不转、车架会不会跟着转、腿和踏板对不对得上、循环末尾跳不跳帧。
「创建一个 HTML，内容是 SVG 绘制一个鹈鹕骑自行车的 2D 动画」。不给任何细节，看的是模型自己的判断。
把动作拆成时序、把零件摆成空间关系、再用代码组织起来，最后还得让人一眼看懂。
六项检查全是普通人能判断的视觉事实，不需要会读 SVG 就能给别人打分。
题面不变，每隔一段时间跑一遍，差别就是模型状态的变化。
轮子不转、车架跟着转、腿踩空、鹈鹕画成鸭子，各自对应一类结构错误。
提示词与清单都在页面里，复制走的是文本，不产生任何请求。