为什么“画一只骑自行车的鹈鹕”成了大模型降智与稳定性的测试标尺

开源社区发起生成“鹈鹕骑自行车”SVG 动画的测试，以此作为监测大模型状态与能力波动的直观体感工具。分析指出，用户感知的“变笨”不仅关乎模型权重，还叠加了推理强度、上下文管理、工具调度与算力供需紧张等多层工程因素。随着大模型深入长程 Agent 自动化工作流，单步偏差容易沿任务链放大，使得稳定的“智力 SLA”供应成为模型走向实际生产的关键要求。