探寻人工智能，从技术到真实世界：鹈鹕测试，一个看似荒诞的小测试，照出了AI理解的真相

这几天后台被问到一个问题：网上说的“鹈鹕测试”到底是什么？今天我不讲热门项目源码，而是聊聊这个让AI圈着迷的小实验。

源头是一条看似无厘头的提示词：画一只骑自行车的鹈鹕。最初玩法来自Simon Willison分享的一个组合场景，把几种不合常理的元素叠在一起，让模型生成SVG图像。因为SVG是用代码描述的图形，这一步同时考察了模型的代码能力、空间结构和常识理解。

为什么一个“鹈鹕骑车”能成为测试？因为它没有现成题库可背。模型不仅要画出鸟的嘴、翅膀，还得让翅膀真正握在车把上、脚踩在踏板上、车架连成整体。哪一部分断裂、姿势错乱，一眼就能看出模型是在“理解”还是在“拼图”。于是它变成了一种低门槛的肉眼判断法，被不少人用来对比模型状态、感受是不是“降智”。

但Simon Willison后来也点出了它的局限：鹈鹕测试几乎触及不到当下最重要的能力——智能体的工具调用，以及随对话变长仍能稳定操作工具的能力。也就是说，它能反映模型的一部分，却远不等于全面评测。