同一提示词，看见两年进步

模型通常能生成 SVG，也知道鸟或轮子大概长什么样，但无法组织出骑自行车的完整关系。

较长的推理过程最终仍得到抽象鸟形。这个样本很早就说明，更多推理 token 不保证更好的空间构图。

主体、两个车轮、车架和地面同时出现。画面还不精确，但已经从识别对象跨到组织场景。

鹈鹕、车轮和车架已经在同一画面里，但主体更像叠放，接触关系仍然薄弱。

鹈鹕和自行车更容易辨认，细节也更多，但鸟、车把和脚踏之间仍缺少可信连接。

普通模式与 thinking 模式都画出了完整主体和自行车元素，但局部仍有重复、错位和堆叠。

问题从有没有自行车，转向车架是否合理、脚是否真正踩在踏板上。

Sonnet 4 的自行车更完整，Opus 4 的车轮缺少辐条。两者都能完成场景，但旗舰档位并没有在这次单样本中明显胜出。

红色车架、两个轮子和车把相互连接，鹈鹕姿态也更接近骑乘。

线稿里的喙和脚踏关系更清楚，但车架形状依然不合理，说明点版本升级没有稳定解决空间结构。

车架、辐条、脚踏、腿部位置和整体比例都明显进步。小模型也能完成场景，但细节并不按规模单调变化。

两次结果都能认出鹈鹕和自行车，但构件连接仍不可靠。Thinking 没有在这次单样本里带来稳定的结构优势。

圆润的鸟形、两个车轮和地面同时出现。主体更像一般鸟类，但低成本档位已经跨过“完整构图”门槛。

原始提示词下鹈鹕朝向和车架仍有问题；加入繁殖羽、喉囊等要求后，鸟种特征与车架都明显改善，因此单独标记为混合口径。

基础提示词已经能生成完整结果。增强提示词增加鸟种、羽毛和喉囊要求，两者不应直接排名。

喙、喉囊和羽毛已经很像鹈鹕，整体观感明显成熟；自行车基本成立，但车架几何仍有轻微错位。

两次尝试都给鹈鹕加了礼帽。展示样本的鸟喙之间多出一根线，车架也发生弯折，完整性不等于关系正确。

原始提示词用于纵向比较，增强提示词测试羽毛、喉囊、姿势和场景细节。

同一家族的模型和推理等级组成对照矩阵。高推理通常有帮助，但单次画面并不保证更好。

默认与 max thinking 的鹈鹕都可以辨认，但车架分别以不同方式失真。更多推理没有在这次测试里解决结构问题。

约 17GB 的本地模型已经画出完整车架、辐条、车把和踩踏姿势，进步不再只属于大型云端模型。

low、medium、high 更像鸭或鹭，xhigh 才稳定出现鹈鹕特征，max 的鸟形与自行车最完整，也付出了最高的输出成本。

同一个固定提示词下，五档 effort 在造型、结构和输出成本上形成明显梯度；high 的 token 反而少于 medium，说明推理预算仍不是线性旋钮。

画面结构已经很完整，并且能生成动画。新的难点变成车轮转动时，脚能否持续跟随踏板。

车轮、车架和抓住车把的动作已经连贯，但主体更像白鹅。结构能力成熟后，物种辨识仍会独立失手。

Luna、Terra、Sol 和多档推理等级组成九宫格，展示模型档位、推理预算与采样的共同影响。

场景已经相当连贯，但测试无法代表代理能力和工具调用等差异，也开始面临过度推理和成本问题。

第一版用 SVG use 元素复用轮组，Simon 当时记录为“车轮缺失”，在本站现代浏览器中会显示；第二版改为显式车轮，构图也更稳。

xhigh 推理得到结构完整的结果，关闭推理则明显松散，直观显示效果、等待时间和本地资源之间的取舍。

原帖没有给出模型名称，讨论中也提到可能见过该测试。这里只展示实际结果，不据此判断排名。