指令跟随
看模型能不能只输出 SVG：不能带 markdown 代码块、不能有解释文字、不能有文件说明。这一项不过关，后面的对比就没有意义。
鹈鹕 SVG 生成测试
SVG BENCHMARK模型能力工作台免费在线并行测试多个 OpenAI 兼容模型的 SVG 生成能力：用同一个「鹈鹕骑自行车」提示词，比较耗时、Token、费用与输出质量，支持 Responses 与 Chat Completions 协议，API Key 只在当前浏览器的请求生命周期内使用。
免登录Key 仅用于本次请求
检测结果
还没有结果
READY
等待开始测试
在左侧完成配置并点击 开始测试，所有模型会并行生成鹈鹕，并在这里逐个亮起。
- 填写 API 地址与 Key
- 拉取模型列表
- 勾选要对比的模型
- 确认推理强度（默认 xhigh）后开始
正在准备测试…
任务会按模型并行执行，结果不会写入本站数据库。
本轮结果排序：
WHAT IT MEASURES
这个测试在测什么
空间关系
鹈鹕、自行车、湖面、落日、旗子、雁群之间的相对位置是否合理，是观察模型「画得对不对」最直观的一项。
动画语法
动画必须是自包含的 SMIL 或 CSS keyframes：轮子要转、脚要蹬、旗子要飘、水面要有波光，且不能依赖 JavaScript 或外部资源。
输出完整度
文件是否以 <svg 开头、以 </svg> 结尾，有没有被长度上限截断，体积是否过大。生成失败或半截的 SVG 在这里会直接暴露。
HOW IT WORKS
鹈鹕测试怎么跑
- 填写接口填 OpenAI 兼容的 API 基地址与 Key，官方地址和中转站地址都行，按站点支持的协议选 Responses 或 Chat Completions。
- 选模型点「拉取模型」拿到模型列表后勾选要对比的模型，也可以手工输入模型 ID；单次最多 32 个。
- 调参数确认推理强度（默认 xhigh）与提示词，需要时在「高级」里改系统指令、关掉流式输出或限制并发。
- 看结果点「开始测试」后模型并行生成，结果按费用、耗时或输出 token 排序对比，并可导出 JSON。
FAQ
鹈鹕 SVG 测试常见问题
什么是「鹈鹕骑自行车」测试？
这是社区里流传的模型能力观察题：让模型生成一只骑自行车的鹈鹕动画 SVG。它同时考察指令跟随、空间关系、动画语法和自包含输出的完整性，生成结果能直接打开看效果，所以比只看跑分更直观。
这个页面和「模型质量检测」有什么区别？
本页是即时的单轮 SVG 生成对比，用你自己的 Key 现场跑、现场看；模型质量检测走本站统一队列，用公开题库长期测评并可回看历史。两者互补：本页更适合快速验证某个中转站或模型的真实输出。
我的 API Key 会被保存吗？
不会存到本站。Key 只用于你当前浏览器发起的请求；勾选「记住 Key」时也只写进你自己的浏览器本地存储，清理浏览器数据即消失。建议优先使用临时 Key。
支持哪些接口和模型？
任何 OpenAI 兼容接口都可以：Responses 或 Chat Completions 协议，官方地址或中转站地址都行。模型列表通过 /models 拉取，也可以手工输入模型 ID，单次最多同时测试 32 个模型。
为什么有的模型生成失败，或输出的不是 SVG？
常见原因有四类：没有严格遵循「只输出 SVG」的系统指令、模型不擅长要求的动画语法、输出被长度上限截断，或中转站对长请求做了改写。可以调高推理强度、精简提示词，或换一个模型再试。
推理强度（effort）怎么选？
effort 越高，模型思考越久，结构通常更完整，但耗时与费用也更高。默认 xhigh 适合正式对比；只想快速看效果时选 low 或 medium 即可。不支持该参数的接口会自动忽略它。
并发上限设多少合适？
默认不限制，但中转站普遍有并发限制。模型较多或站点限流时建议设 2–4，避免大量请求被 429 拒绝、整体耗时反而被拉长。
测试结果会被记录或公开吗？
不会。结果只在你当前页面里展示，可自行导出 JSON；本站不写数据库、不生成公开榜单，也不会把结果和你的 Key 关联起来。
RELATED
相关工具
提示词与评分规则按各模型公开的 SVG 能力整理；耗时与 Token 由实际调用返回。