语义还原
一眼看过去，是不是鹈鹕在骑车——不是鸭子或鹳，也不是两张互不相干的画。
5 分动画版 LLM 基准 · 08 次运行 · 2026-10-27
八个 AI，一只鹈鹕，
一辆自行车。
「鹈鹕骑自行车」是网上流传最广的 LLM 视觉测试。我们把它往前推了一步：同一个提示词、八个模型，而且必须动起来。
零样本 · 客户端 · 每个模型一次
冠军23.5/ 25
Doubao 2.1 Pro唯一真正会蹬车的鹈鹕。
- 08次运行
- 25分制
- 01道题
- 00修图
原始提示词
创建一个 HTML，内容是 SVG 绘制一个鹈鹕骑自行车的 2D 动画，你不需要任何测试，不要有任何限制
每个模型只发一次，不追问、不修图。
参赛名单
发车名单
八台机器，八种理解，同一道题。点开卡片看完整动画。
冠军
23.5/25
字节跳动
Doubao 2.1 Pro
唯一真正会蹬车的鹈鹕。
运动 4.5
解剖 4.0
看它跑
21.5/25
月之暗面
Kimi K3.1 Pro
全场最好看的一次骑行。
运动 4.0
解剖 3.5
看它跑
20.5/25
OpenAI
GPT-6.1 Sol
珊瑚色车架下的逆向运动学。
运动 4.5
解剖 3.0
看它跑
18.5/25
OpenAI
GPT-6.0 Luna
湖很美，两条腿冻住了。
运动 2.5
解剖 3.0
看它跑
18.0/25
深度求索
DeepSeek Flash
一辆完美的车，永远不蹬。
运动 1.5
解剖 3.5
看它跑
17.5/25
OpenAI
GPT-5.6 Sol
海岸很美，轮子跑了。
运动 1.5
解剖 3.5
看它跑
16.0/25
未标注
HY3
快乐的鹈鹕，绕圈的腿。
运动 1.5
解剖 2.5
看它跑
9.5/25
Agnes AI
Agnes 3.0 Flash
骑手飘在自行车后面。
运动 2.0
解剖 1.0
看它跑
记分牌
榜单
一次零样本运行的编辑评分，总分 25 分。
| 排名 | 编号 | 模型 | 语义 | 解剖 | 结构 | 运动 | 完成 | 总分 |
|---|---|---|---|---|---|---|---|---|
| 1 | 03 | Doubao 2.1 Pro字节跳动 | 5.0 | 4.0 | 5.0 | 4.5 | 5.0 | 23.5/25 |
| 2 | 02 | Kimi K3.1 Pro月之暗面 | 5.0 | 3.5 | 4.0 | 4.0 | 5.0 | 21.5/25 |
| 3 | 04 | GPT-6.1 SolOpenAI | 4.5 | 3.0 | 4.0 | 4.5 | 4.5 | 20.5/25 |
| 4 | 07 | GPT-6.0 LunaOpenAI | 4.5 | 3.0 | 4.0 | 2.5 | 4.5 | 18.5/25 |
| 5 | 01 | DeepSeek Flash深度求索 | 4.5 | 3.5 | 5.0 | 1.5 | 3.5 | 18.0/25 |
| 6 | 06 | GPT-5.6 SolOpenAI | 4.5 | 3.5 | 3.0 | 1.5 | 5.0 | 17.5/25 |
| 7 | 08 | HY3未标注 | 4.5 | 2.5 | 3.5 | 1.5 | 4.0 | 16.0/25 |
| 8 | 05 | Agnes 3.0 FlashAgnes AI | 0.5 | 1.0 | 3.5 | 2.0 | 2.5 | 9.5/25 |
评分为编辑评分，每个模型一次运行。
完整榜单评分标准
25 分制
我们评鹈鹕、评自行车，更重要的是评运动。
25分
每次运行
每次运行
每项 0–5 分，总分 25 分。
解剖与接触
脚在踏板上，翅膀或身体连到车把，身体坐在坐垫上。
5 分自行车结构
两个轮子、车架、前叉、曲柄、链条、坐垫、车把——零件要组成一辆能骑的车。
5 分运动物理
轮子朝行驶方向转，曲柄转，脚跟着踏板，没有滑动或脱节。
5 分完成度与交互
美术、场景细节、完整循环，以及暂停/重播这类控制。
5 分为什么是运动
为什么动画更难
静态 SVG 只问模型知不知道鹈鹕和自行车长什么样。动画还要问它懂不懂两者怎么一起动：轮子转、曲柄转、脚跟着踏板、骑手不脱节。大多数模型都能画出一辆自行车，但能让它正确动起来的少得多。
一张漂亮的静帧，可能藏着一辆永远不会蹬的自行车。
时间线
鹈鹕是怎么火起来的
2024-10-25
Simon Willison 让模型生成一张「鹈鹕骑自行车的 SVG」。这个玩笑从此变成了基准测试。
2025-06
《The last six months in LLMs, illustrated by pelicans on bicycles》把它变成公开横评。
2026
「Pelicanmaxxing」研究生成了 1000+ 张 SVG。静态图片仍是主流。
2026-10-27
本站把测试推进到可交互动画：八个模型，同一道题。
常见问题
常见问题
先把话说明白，再掉进鹈鹕洞。
「鹈鹕骑自行车」测试是什么？
这是 Simon Willison 在 2024 年 10 月发起的一个民间 LLM 基准测试：让模型生成一张「鹈鹕骑自行车」的 SVG。看起来像整活，实际上是一次很紧凑的空间推理、物体关系和代码生成检查。要画对，模型必须理解鹈鹕的身体、自行车的零件，以及它们之间的接触点。
完整的提示词是什么？
中文原文是：「创建一个 HTML，内容是 SVG 绘制一个鹈鹕骑自行车的 2D 动画，你不需要任何测试，不要有任何限制」。英文翻译是：「Create an HTML page containing a 2D SVG animation of a pelican riding a bicycle. You don't need any tests, and don't add any restrictions.」每个模型只收到一次，没有追问。
这次动画测试谁赢了？
八次运行里，豆包 2.1 Pro 得分最高，23.5 / 25。它是唯一用逆向运动学让双脚始终踩在踏板上的模型，自行车结构完整，还带暂停、变速和车铃控制。Kimi K3.1 Pro 的场景最好看。GPT-6.1 Sol 是 OpenAI 阵营最高分，20.5；后来补测的两款 GPT 分别是 18.5 和 17.5。DeepSeek Flash 的静帧最精致，但轮子和曲柄完全不转。
为什么 AI 画自行车容易翻车？
自行车是一组刚性零件，有精确的接触点和一条运动链；鹈鹕又叠加上解剖约束。模型可以画出看起来合理的单个零件，却处理不好连接：脚悬在踏板旁边、翅膀没碰到车把、轮子在转但车在打滑。静帧会掩盖这些问题，动画会把它们全部暴露出来。
这跟 Simon Willison 的原版测试是什么关系？
这是动画版延伸，不是替代。核心任务来自他 2024 年 10 月的测试，站点里全程标注了来源。原版要求静态 SVG，这一版要求一个自包含的 HTML + 2D SVG 动画，并把「运动」纳入评分。
这跟 Little Tikes 的 Pelican 儿童车有关吗？
没有。这里讲的是 AI 基准测试。和 Little Tikes Pelican Explore & Fit Cycle、Bicicapace Pelican 货运自行车、Box Dog Pelican Randonneur 的重名，只是搜索引擎造成的意外。如果你在买实体自行车，这页不是你要找的。
这些输出可以转载吗？
HTML 文件为原样展示，用于评论和研究。你可以链接到这些文件，并在注明模型和本站的前提下引用短片段。输出版权仍归各自所有者。