想像一下，給頂級AI模型一張白紙和一套彩色鉛筆，讓它們從第一筆開始，慢慢畫出一幅蒙娜麗莎。這不再是簡單的文字生成圖像，而是一場真正的技巧考驗。
在這次有趣的測試中，GPT-5.6 Sol、Claude Fable5、Grok4.5和Gemini3.6 Flash這四位選手進入了特製的繪畫競技場。它們不僅要決定畫什麼，還要像真正的畫家一樣，控制筆尖的粗細、壓力和顏色。它們可以使用暈染工具來混合色彩，也能用橡皮擦去敗筆，甚至能通過查看畫布指令來審視自己的作品。這裡沒有一鍵填色的快捷鍵，每一抹陰影和色彩都必須通過不斷疊塗來實現。
實驗結果非常出人意料。GPT-5.6 Sol成為了全場的領跑者。它非常高效，平均每幅畫只用了29步，用時約6.2分鐘，成本僅為7.74美元。有趣的是，它從不浪費口舌去單獨設置畫筆參數，而是直接在下筆時完成所有配置。它創作的星空和玫瑰花被公認為全場最佳，在細節處理上幾乎完勝其他對手。
相比之下，Claude Fable5的表現讓人有些心疼錢包。它畫一幅畫平均需要12.5分鐘，消耗的成本高達160.58美元。雖然它在其他任務中表現出色，但在這個繪畫挑戰中，它不僅動作慢，產出的作品質量也略遜一籌。它極其依賴暈染工具，試圖通過不斷的模糊處理來掩蓋筆觸。
Grok4.5則像是一個深陷細節的微觀管理者。在它的工具調用記錄中，竟然有65%的操作是在反覆調整畫筆顏色、寬度和壓力。由於把大量精力花在了調色和選筆上，它畫一幅畫平均需要99步，但最終的效果卻顯得有些粗糙。而Gemini3.6 Flash則是最糾結的審稿人，它每畫幾筆就要停下來觀察一下畫布，每幅畫平均自審22.6次。雖然它在數學層面的結構相似度評分中拿到了最高分，但從人類的審美角度來看，它的作品並不一定是最漂亮的。
這次實驗還揭示了一個有趣的共性：AI往往會畫蛇添足。所有的模型在創作中途其實都達到過一個最佳狀態，但由於它們不斷地進行自我審查和修改，最終的作品反而不如中間過程。比如Gemini3.6 Flash在畫蒙娜麗莎時，中途的相似度曾達到峰值，但隨著它繼續編輯，得分反而一路下滑。
這場實驗不僅僅是為了看AI畫得有多像，更是為了觀察它們處理開放式任務時的能力。那些廉價的開源模型在面對這種需要長路徑規劃的任務時，往往只能交出白卷。通過這種方式，我們能更清晰地看到頂級模型與普通模型之間的真實差距。這不僅是算法的較量，更是邏輯、效率和藝術理解力的綜合體現。
