无视觉训练的 LLM 也能画像素图，Qwen3-32B 画猫狗最像样

gabriberton · x · 2026-10-26

开发者 gabriberton 让多个纯文本 LLM 用 ASCII 字符画像素图（圆、数字 5、字母 A、猫、狗、笑脸），排除带视觉训练的模型（如 Gemma），每个图形跑 5 次取最佳。结果显示 Qwen3-32B 效果最好，能画出可辨识的猫、狗和笑脸；gpt-oss-20b 能画出字母 A 和数字 5，Olmo-3.1-32B 和 Qwen3-0.6B 则基本失败。

作者指出，模型能画出「A」说明训练数据里存在类似「A 由两条顶部相触的斜线和中部一条横线组成」的描述文本，因此这只是个好玩的小实验，并不说明模型本身的空间能力；用更复杂（过拟合式）的 prompt 还能让画得更好。