AI测试中为什么用鹈鹕骑车测试AI的水平？

AI热点问题

“鹈鹕骑自行车”是AI圈非常流行的非正式基准测试，它最早由Django创始人、开发者Simon Willison在2024年10月发起，最初的指令是「生成一张鹈鹕骑自行车的SVG图片」，后来逐渐成为大家快速检验模型能力的经典测试题。之所以选用这个场景，核心原因有以下几点：

1. 简单指令背后，考验多项核心能力

这个测试看似只有一句话，实则能同时考察模型的多维度能力：

• 空间关系与概念理解：模型不仅要分别识别“鹈鹕”和“自行车”的形态，还要构建二者之间合理的物理交互——比如鹈鹕的肢体如何握住车把、踩踏板，身体重心和自行车结构如何匹配，非常考验空间想象和常识推理。
• 代码生成与结构化能力：最初的测试是生成SVG（可缩放矢量图形），它本质是代码而非位图。模型需要把视觉场景拆解为线条、图形的坐标，输出格式正确、可正常渲染的代码，同时验证了代码逻辑与组织能力。
• 物理与动态一致性：高质量的生成结果需要符合基础运动逻辑，比如肢体与踏板的联动、车轮滚动的合理性；后续延伸到动画、3D场景时，还会进一步考验时序一致性和连续执行能力。

2. 结果直观，好坏一眼可辨

和很多需要专业指标、量化分数的评测不同，鹈鹕骑车的结果零门槛就能判断：鹈鹕形态是否正常、腿和踏板有没有错位、自行车结构有没有穿帮、动作是否合理，普通人一眼就能看出生成质量的高低。
它能非常直观地体现模型能力的差异，甚至能敏锐反映出模型“降智”、推理波动的情况，因此被大家称为AI能力的“体感温度计”。

3. 反常识场景，避免“刷题作弊”

现实中不存在鹈鹕骑自行车的场景，模型的训练数据里几乎没有现成的对应素材。这意味着模型没法靠“记忆”现成的图片/代码来完成任务，必须真正理解概念、自主进行空间组合与推理，能更真实地反映模型的泛化能力，而不是背诵训练数据的能力。

4. 社区传播形成的文化效应

因为测试简单易复刻、对比效果强烈，它很快在全球AI社区流行开来：每次有新模型发布，开发者和用户都会自发用这个测试快速验证实力，社区甚至还举办了专门的“鹈鹕杯”生成大赛。
包括OpenAI在内的厂商在新品发布会上也会用这个案例演示模型能力，进一步让它成为了公认的民间评测标杆，后续还从静态SVG延伸出了动画、Blender 3D生成等更复杂的测试版本。