一位研究人员开发了一个名为 Rivermark 的自定义框架,用于评估大型语言模型在图像生成任务上的表现,特别是针对社交和营销设计。超过 4,700 次成对人工判断的初步结果表明,像 DeepSeek v4.1 Flash 1017 和 GLM 5.3 Flash 这样的开源模型在设计质量上可以媲美甚至超越 Anthropic 的 Claude Code(使用 Sonnet 5.5)。Rivermark 框架针对速度和迭代设计进行了优化,显著提升了 Sonnet 5.5 的性能,使其处于领先地位。 AI
影响 这项研究表明,专门的框架可以显著提高开源模型在设计任务上的性能,从而可能降低企业的成本。
排序理由 该条目描述了使用自定义框架比较 LLM 在特定任务上性能的研究结果。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →