MORGAN BENCH / PUBLIC VIEW

创意编程 · 鹈鹕测试

固定提示词与专属 GSB 规则,五份真实作品与人工判断按原版本保留。

评测题目
1
真实作品
5
已有结果的题目
1

公开只读快照 · 可以观看和对照,暂不能在本站提交 GSB。自动生成与采证在项目所有者的执行工作台完成,审核后再发布到这里。

CC-001 · v3

鹈鹕骑自行车(2D 动画)

单文件 HTML(内嵌 SVG) · 8 秒 · 简单

这批作品的首轮结论:DeepSeek V4.1 Flash(版本未注明)、Step 5 Preview并列领先,各 3 胜。后续复评可能改变单组判断;这里不把单题结果称作模型总体排名。

本题先看

骑行是否成立:鹈鹕坐在车上,脚跟着踏板走;腿、踏板、车轮与身体动作连贯,而不是各自摆动。

01 / COMPARE

同屏看两份作品

选择两份录屏一起播放,边看边对照本题核心判断点。

5 份可选

Workbuddy · 99 秒 · 4.48 WorkBuddy 积分

Workbuddy · 113 秒 · 1.1 WorkBuddy 积分

02 / TASK

题目与判断维度

创建一个 HTML,内容是 SVG 绘制一个鹈鹕骑自行车的 2D 动画。

  • 骑行动画与连续性:踏板转动时双脚跟随,车轮转动与前进相符,动作循环没有明显跳变、错位或抖动。
  • 骑乘空间关系:鹈鹕坐在车座上,翅膀够到车把,双脚靠近并跟随踏板,而非站在车旁或悬空。
  • 主体完整性:能辨认鹈鹕的长喙、身体和翅膀,也能辨认车轮、车架、车把、座椅和踏板。
  • 视觉质量:构图、配色与运动的可读性;画面精美不能弥补骑行动作缺失。
  • 运行有效性:HTML 能打开,SVG 能显示并持续播放;不能运行的作品无法完成题目。
03 / RUBRIC

四档 GSB 的差异依据

  1. 1 级 · 细节优势双方的骑行核心都成立;胜方在可复看的画面清晰度、动作稳定性或细节上略好。差别难复现时选两个都好。
  2. 2 级 · 动作优势双方都有骑行动作;胜方的脚、踏板、车轮与身体联动明显更连贯。
  3. 3 级 · 核心完成优势胜方完成骑行核心动作,另一方的骑行不成立或作品无法正常播放。

选左/右更好时,用 1/2/3 级描述这一对作品的差异并记录证据;两好/两差不选等级。这不是模型绝对分。

04 / EVIDENCE

作品与运行证据

5 份真实作品

MiMo V2.6 Pro

Workbuddy · 99 秒 · 4.48 WorkBuddy 积分

本题作品;媒体来自隔离运行采证

GLM-5.3-Flash

Workbuddy · 113 秒 · 1.1 WorkBuddy 积分

本题作品;媒体来自隔离运行采证

MiniMax M3.1 Flash

Workbuddy · 269 秒 · 2.21 WorkBuddy 积分

本题作品;媒体来自隔离运行采证

DeepSeek V4.1 Flash(版本未注明)

Workbuddy · 705 秒 · 4.73 WorkBuddy 积分

本题作品;媒体来自隔离运行采证

Step 5 Preview

Workbuddy · 998 秒 · 消耗待补

本题作品;媒体来自隔离运行采证
05 / RESULT

本题 GSB 记录

2 张现行票
证据覆盖本题 5 份作品、10 组配对
首轮人工10 / 10 组
现行规则复评2 / 10 组
独立 AI 判断10 / 10 组
最终裁决1 组

首轮由 1 位人工评审完成;配对会重复使用同一批作品。现行规则尚未覆盖全部配对,当前结论属于探索性结果。AI 判断覆盖数不能代替人工复评,一致率也不等于正确率。

鹈鹕首轮人工 GSB 已完成 10/10 组;这批比较重复使用同 5 份作品。首轮早于现行规则,和当前票分开统计。

DeepSeek V4.1 Flash(版本未注明) · 3 胜GLM-5.3-Flash · 2 胜MiMo V2.6 Pro · 0 胜MiniMax M3.1 Flash · 2 胜Step 5 Preview · 3 胜
查看首轮完整统计
模型作品作品参与票胜两好两差负
DeepSeek V4.1 Flash(版本未注明)143001
GLM-5.3-Flash142002
MiMo V2.6 Pro140004
MiniMax M3.1 Flash142002
Step 5 Preview143001

现行指南复评

现行票中 0 张记录了差异等级;2 张旧票未标定。1 级 0、2 级 0、3 级 0、两好 0、两差 0。

查看现行复评完整统计
模型作品作品参与票胜两好两差负
DeepSeek V4.1 Flash(版本未注明)111000
GLM-5.3-Flash100000
MiMo V2.6 Pro100000
MiniMax M3.1 Flash110001
Step 5 Preview121001

仅描述本题已提交的作品,不能据此推断模型总体能力;多组配对共享作品,不等于独立题目样本。