Simon Willison 使用「鸕鶿騎自行車」的提示詞，將新推出的 GPT-6 Astra 模型與 GPT-5.6 系列變體進行了圖像生成質量、令牌使用量及價格的比較。分析顯示，儘管 Astra 的基礎定價較高，但其生成的視覺效果顯著更優且成本更低。這項比較為關注多模態生成效率與成本的開發者提供了寶貴的視覺基準。它突顯了不同模型世代之間，推理級別如何影響輸出質量與令牌消耗。Astra 在低推理級別下僅需 9.55 美分即可生成比任何 GPT-5.6 Sol 模型更好的鸕鶿圖像，且輸入令牌數少於 Sol 或 Terra。然而，在最高推理級別以下，Astra 仍難以可靠地將腿部放置在框架的兩側。

事件背景

大型語言模型（LLM）通常處理文字令牌以生成輸出，但多模態模型也能產生 SVG 程式碼等視覺格式。SVG 生成是測試 AI 理解空間關係和幾何能力的一種嚴苛方式，因為它需要精確的座標計算而不僅僅是語義理解。此基準測試使用「鸕鶿騎自行車」這一趣味提示詞，來評估不同模型版本之間的複雜推理能力。