鹈鹕

「鹈鹕测试」并不是严谨benchmark，它只运行一次，没有统一控制推理档位、成本和工具，也不能证明哪一个模型综合能力最强，它流行的原因在于不需要解释。

如果说鹈鹕测试的是模型能否把一组代码组织成连贯画面。

到了2026年，新模型已经会给鹈鹕补上羽毛、长喙、脚蹬和车链，甚至主动增加鱼篮、帽子与沿途风景，景色要随着动作有所变化。