网易首页 > 网易号 > 正文 申请入驻

四大AI手搓蒙娜丽莎!8次临摹,最像那版全被自己改没了

0
分享至


新智元报道


AI第一次拿起彩铅画蒙娜丽莎,但发生了一件奇怪的事:

没有任何一个模型的最终作品,赢过它自己中途最好那版:它们总在最好的时候改过了头。

而且,同样是7幅画,成本相差了20倍!


最左为原作,其余四幅依次出自GPT-5.6 Sol、Claude Fable 5、Grok 4.5、Gemini 3.6 Flash,全部一笔一笔画成。

AI工具平台TryAI搭了一个「绘画竞技场」,只给模型一张纯白画布、一套彩铅工具,然后走开。

GPT-5.6 Sol、Claude Fable 5、Grok 4.5、Gemini 3.6 Flash四个视觉模型下场,临摹蒙娜丽莎和梵高的星月夜,再加五道开放式文字命题,一共交出28幅画。

这不是文生图。整场实验里没有一张图片是「生成」出来的,每一笔的颜色、粗细、力度都由模型自己决定,一笔一笔叠上去。

7月21日,TryAI把这场实验的全部记录放了出来,同时也强调,这并非官方benchmark,排名不是重点。

他们真正想测的不是模型的画技,而是它作为一个AI智能体,在没人盯着的几分钟里怎么规划、怎么调工具、怎么评估自己干出来的活。

10件工具

没有一件替它做决定

模型手里的工具一共十件。

plan,一张不落笔的草稿纸,专门用来想事情;

view_target,再看一眼原作;

view_canvas,把当前画布渲染出来给自己看:这一步也正是系统给它打分的时刻;

set_color、set_brush、set_pressure,管颜色、笔尖宽度和下笔力度。力度从0到1,压得轻就是淡淡一层;

draw,一次批量落下若干笔;

smudge,像用擦笔一样把一块区域揉开;

erase和clear_canvas,擦掉一块,或者整张推倒重来。

其中view_canvas是整场实验的枢纽,模型不是闭着眼睛画完就交卷,它随时可以睁眼看一次,再决定下一笔往哪落。

最要命的一条规则是:没有填充色块。

想要一片深蓝的夜空,只能一层一层叠上去,跟真彩铅一模一样。

打分用的是SSIM(结构相似性),把画布和原作都缩到256×256再比对,取值0到1,越高越接近。

默认情况下这个分数不会告诉模型,它只能靠自己那双「眼睛」判断画成了什么样。

四个模型的推理强度统一设成high。整套框架以MIT协议开源在GitHub上,换任何一张目标图、任何一句提示词,都能自己再跑一遍。

于是先画哪里、什么时候回头看、要不要推倒重来,全都得它自己拿主意。

任务分两类。

临摹蒙娜丽莎和梵高的星月夜,有客观分数;

另外5个纯文字提示:老渔夫饱经风霜的脸、橙紫色的海上日落、伦勃朗光下的一支红玫瑰、窗台上蜷着睡觉的虎斑猫、壁炉燃着的小木屋内景。

这5幅没有目标图可以对照,SSIM算不出来,好不好看只能靠人眼判断。

TryAI也顺手试过几个开源权重模型,结果是连画都画不出来。好几个直接交回了一张白纸。

每个模型7幅,一共28幅。


「伦勃朗光下的一支红玫瑰」,四模型交卷。TryAI把Sol这幅列为全场最喜欢的作品之一。

20倍差价

买不到更好的画

7幅画跑完,账单差异很大。

GPT-5.6 Sol:总成本7.74美元,平均6.2分钟,29步。

Claude Fable 5:总成本160.58美元,平均12.5分钟,54步。

Grok 4.5:总成本9.21美元,平均4.8分钟,99步。

Gemini 3.6 Flash:总成本12.87美元,平均6.9分钟,73步。

同样7幅画,Fable 5的账单差不多是Sol的20倍!


7幅画的估算token成本。Fable 5为160.58美元,Sol为7.74美元,差约20倍。

这20倍买到的不是画质,而是更多的步子、更长的时间和更频繁的自我检查:Fable 5平均每幅画要停下来看自己15.6次,Sol只看6次。

这里还藏着一件反直觉的事:花钱最多的,不是token用得最多的。

Grok 4.5一口气吞掉3400万token,全场之最,但其中约98%是缓存读取,按远低于常规输入的价格计费,加上它本身单价最低,最后总账只有9.21美元。


总token消耗:Grok 4.5达3400万居首,账单却只有9.21美元,约98%为缓存读取。

真正在Hacker News上被反复提起的,是Sol和Fable那笔账。有人把两边的数字放在一起对比:340万token对1460万,7.74美元对160.58美元。

这个人的结论是:OpenAI在推理这一块悄悄做出了创新,这个优势只会越拉越大。

在TryAI的主观评价里,Sol整体表现最好。

它的星月夜和那支玫瑰是全场最受偏爱的两幅,考虑到这是从一张白纸上一笔一笔描出来的,观感确实惊人。


星月夜原作与四模型作品。Sol这幅被TryAI列为全场最佳之一

除了老渔夫那一幅,它在几乎每张画的细节上都压过其他模型。

TryAI把Fable 5的画质排在第二,但慢得多、贵得多,在能用的几个里是最不划算的选项。

但它也补了一句:Fable在此前的开放任务里赢过GPT-5.6,包括那次音乐视频挑战。换一个题目,结论未必还是这个。

Grok在这个任务上则相当粗糙。工具调得最勤,很少画出能用的东西。TryAI给的评价很直接:暂时还不敢信任它可靠地理解或判断视觉输出。

Gemini比Grok明显强一档。不过它是Flash型号,拿来跟三个旗舰同场,本来就不太公平。

同一盒笔

四种画法

四个模型拿到的是同一套工具,用出来的却是四套完全不同的工作流。

Sol一次都没单独调用过设色、设笔、设压力,全部内联在下笔动作里。所以它的调用记录几乎只有三件事:画、抹、看。

Grok正相反。

1349次工具调用里,65%花在设颜色、设笔宽、设压力上,于是一幅画要走99步。它把绝大部分动作花在了准备上,真正落到纸上的笔触反而被稀释了。

Sol七幅画总共只调用了223次工具,其中52%是真在画。Grok的调用量是它的六倍,落笔数只有三倍。

Fable重度依赖涂抹,光smudge就调了123次,而且不停回头检查。

Gemini则是最痴迷复查的那个。

近三分之一的调用是看画布,平均每幅画自查约23次。它和Sol一样,从没碰过那三个设置类工具。

没有人教它们该怎么用这盒笔。这些「技法」都是自己长出来的。


同一套工具,四份完全不同的调用分布。Sol从未单独调用设置类工具,Grok有65%的调用花在调笔上。

同一份工具说明书,四个模型读出了四种手感。

而且步数最多的不是画得最好的,自查最勤的也不是。工具调用的频次和最终效果之间,看不出明显的正相关。

8次临摹

全部改过了头

每一次view_canvas都会重新打一次分,于是整场作画过程被记成了一条曲线。

8次临摹,4个模型各画两幅,曲线呈现出两个共同特征。

第一,很早就到顶了。

Claude Fable 5为蒙娜丽莎复查了27次,但从第五次之后,分数就基本走平。后面那22次复查,几乎没换来任何进展。

第二,8次临摹,最终作品得分全部低于中途峰值。

GPT-5.6 Sol的蒙娜丽莎,峰值0.352,收尾0.325;它的星月夜落差更大,峰值0.179,交上来的是0.130。

Fable的蒙娜丽莎峰值0.289,最终0.286;星月夜峰值0.176,最终0.153。

最惨烈的是Gemini 3.6 Flash。它是全场最勤快的检查者,平均每幅画要看自己23次,也确实摸到了整批作品的最高分:蒙娜丽莎0.449。

然后它一路改回了0.337:落差0.112,是这批画里跌得最深的一次。


蒙娜丽莎的相似度曲线。Gemini摸到全场最高的0.449,随后一路滑回0.337。

TryAI给出了一句结论:更多的检查,并没有换来更好的收尾。


平均每幅画的自查次数。Gemini约23次为全场最高,跌幅也最大。

这些模型全都在自己画得最好的那一刻,又多画了一笔。

更微妙的地方在于,模型其实是「看得见」的。

每次view_canvas,它都真的在看自己的画,也真的在根据看到的东西下判断。问题不在瞎改,而是它的判断里缺了一个选项:什么都不做。

而且,工具箱里有橡皮,全场2561次调用只用掉3次。Sol用了1次,Fable用了2次,另外两个一次都没碰过。

这些模型的修改只有一个方向,往上叠。所以曲线一旦过了峰值,就再也回不去了。

还要说清楚一点。

这个分数衡量的是结构和像素上的接近程度,不是美感或创造力。Gemini的原始分最高,但人眼看过去,它并不是最像目标的那一张。

AI学会了下笔

下一课是停笔

过去评一个模型,看的是数学分、编程榜、知识问答,全是一问一答的活。

答对就是答对,交卷之后没有第二次机会把它改坏。

现在模型一跑就是几分钟到几小时。能力上限换了一批变量:会不会规划,会不会看自己的结果,以及最容易被忽略的那一项,会不会收手。

这也不是画画独有的毛病。

代码智能体把本来能跑的版本越改越崩,科研智能体在一个已经成立的结论上继续绕,自我改进系统在没有终点的循环里空转,撞的都是同一道题:怎么判断那个结果「已经足够好了」。

人类画家靠的是一种说不清的东西:老师傅会在某一笔之后放下笔,理由往往只有一句「够了」。这句「够了」,恰恰是现在这套评测都没在测的能力。

四个模型都画出过一幅不错的蒙娜丽莎。

只是没有一个知道,那一笔之后该放下笔。

参考资料:

https://www.tryai.dev/blog/ai-drawing-arena-colored-pencils-claude-gpt-grok

编辑:元宇

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
两位妈妈打扮精致去开家长会,被发到网上,网友吵翻:这是选美,还是开会?

两位妈妈打扮精致去开家长会,被发到网上,网友吵翻:这是选美,还是开会?

蝴蝶花雨话教育
2026-10-29 00:05:14
有人预测:未来五年内,中国股市很可能将消失的5类股票

有人预测:未来五年内,中国股市很可能将消失的5类股票

星语者056
2026-11-21 10:22:33
财经评论人叶檀癌症晚期,二十多年分居的丈夫能给她什么支撑?

财经评论人叶檀癌症晚期,二十多年分居的丈夫能给她什么支撑?

户外钓鱼哥阿旱
2026-11-21 01:05:51
33岁高校女教师在公园拉二胡,被围得里三层外三层,有人从外地赶来捧场,现场大合唱;曾被质疑“有失身份”,本人回应:舞台不分大小

33岁高校女教师在公园拉二胡,被围得里三层外三层,有人从外地赶来捧场,现场大合唱;曾被质疑“有失身份”,本人回应:舞台不分大小

大风新闻
2026-11-21 22:05:03
金价连续跳水,记者走访北京菜百:有人一次买200克,现货售罄后消费者排队办理延期提货

金价连续跳水,记者走访北京菜百:有人一次买200克,现货售罄后消费者排队办理延期提货

大众网
2026-11-21 12:23:05
逆转!东契奇25+8+4,亨特30+6+2,马刺很无奈:西部第一易主

逆转!东契奇25+8+4,亨特30+6+2,马刺很无奈:西部第一易主

篮球大视野
2026-11-21 14:35:12
曾仅存13只!佛山男子买甲鱼苗竟混进4只,科学家花40年培育926只

曾仅存13只!佛山男子买甲鱼苗竟混进4只,科学家花40年培育926只

云居历史
2026-11-21 03:29:16
数据显示,超15%的中青年夫妻处于“干婚”状态,68%的中年人拥有固定深交的异性网友

数据显示,超15%的中青年夫妻处于“干婚”状态,68%的中年人拥有固定深交的异性网友

舒山有鹿
2026-07-25 09:57:20
退役上将回乡扫墓,被镇长儿子拦路,他问:认识我车上挂的牌子吗

退役上将回乡扫墓,被镇长儿子拦路,他问:认识我车上挂的牌子吗

麦子情感故事
2026-11-21 20:59:11
一个月打完,詹姆斯188分,库里278分,文班458分,东契奇太夸张

一个月打完,詹姆斯188分,库里278分,文班458分,东契奇太夸张

大西体育
2026-11-21 21:46:18
瓜帅徒弟带不动曼城,英超4轮不胜!马雷斯卡的战术到底是什么?

瓜帅徒弟带不动曼城,英超4轮不胜!马雷斯卡的战术到底是什么?

智道足球
2026-11-21 22:40:39
“慰安椅”根本不是椅子,是把每个年轻姑娘活生生碾碎的吃人机器

“慰安椅”根本不是椅子,是把每个年轻姑娘活生生碾碎的吃人机器

千秋文化
2026-09-22 19:32:48
中俄东北虎数量差距断崖:俄罗斯700只,中国的数量令人意外!

中俄东北虎数量差距断崖:俄罗斯700只,中国的数量令人意外!

兴趣知识
2026-11-22 02:16:44
河南的饭食真的很粗糙吗?网友:不是我冤枉人,真的很粗糙

河南的饭食真的很粗糙吗?网友:不是我冤枉人,真的很粗糙

夜深爱杂谈
2026-10-24 20:04:49
从全网泪目到全网群嘲,赵本山只用了三天

从全网泪目到全网群嘲,赵本山只用了三天

梳子姐
2026-11-19 12:05:24
高市早苗在深圳记者会上的表现,让日本国内相当失望和担忧

高市早苗在深圳记者会上的表现,让日本国内相当失望和担忧

匹夫来搞笑
2026-11-22 01:17:12
美国、俄罗斯、欧洲猛然发现一件头疼事:低估了中国,高估了自己

美国、俄罗斯、欧洲猛然发现一件头疼事:低估了中国,高估了自己

文史达观
2025-03-27 12:59:20
游客在三亚海边捡到百斤重金枪鱼,体长近1.9米,价值超3000元,当地:只要不是保护动物,可自行处理

游客在三亚海边捡到百斤重金枪鱼,体长近1.9米,价值超3000元,当地:只要不是保护动物,可自行处理

91.6陕西交通广播
2026-11-20 23:24:01
一个人如果舍不得扔旧衣服,说明他的命运大概率会是这2种结果

一个人如果舍不得扔旧衣服,说明他的命运大概率会是这2种结果

荷兰豆爱健康
2026-11-20 05:09:14
德泽尔比:萨维奥和上次伤的同一处;换下索兰克也许是我错了

德泽尔比:萨维奥和上次伤的同一处;换下索兰克也许是我错了

懂球帝
2026-11-22 02:47:18
2026-11-22 03:11:00
新智元 incentive-icons
新智元
AI产业主平台领航智能+时代
16735文章数 67242关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

墨西哥女总统发布深圳行vlog

头条要闻

墨西哥女总统发布深圳行vlog

体育要闻

约基奇vs申京:最强的策应巨人?

娱乐要闻

港姐季军吴文忻去世,生前已办追思会

财经要闻

走过三年牛市,黄金何去何从?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

时尚
房产
教育
亲子
旅游

提升冬日幸福感的8件小事,太治愈了

房产要闻

黄埔商业规划曝光!科学城能级跃升,核心入场券已锁定

教育要闻

2026-2027年度“地球小博士”报名来了,小博士”11套真题免费下载

亲子要闻

有两个儿子,是老天给您的双倍福气

旅游要闻

旅游淡季,喜洲的马车队在默契中略显萧瑟,幸好有旅游团的支撑

无障碍浏览 进入关怀版