SVGArena 信息图评测

直达地址：svgarena.earlmind.com

它在测什么

给所有模型同一道题目：把一段文字内容做成一张 SVG 信息图。每个模型跑 5 次采样，然后用自动化手段核验两件事——听不听话（指令遵循）和画坏没画坏（渲染质量），以画廊加榜单的形式呈现差异。

怎么测的

用 litellm 统一调用各模型 API，同一内容生成 5 次；
采样温度 0.8（顺便考察输出波动与创意多样性），max_tokens 放宽到 32768；
用 Playwright Chromium 把 SVG 渲染成 PNG——和浏览器里看到的是同一个引擎；
自动核验打分，前提是 SVG 合法且渲染成功，否则 0 分。

评分看什么

指令遵循（任务特定）：纯净输出（恰好以 <svg> 开头结尾、无废话）、比例合规、字体合规、浅色底；
渲染质量（通用）：文字无溢出、无重叠、无遮挡、间距合理、非空白。

结果怎么看

榜单同时给出每个模型的平均成本（元/次）、平均耗时和稳定性 σ，可以按得分、成本或耗时分别排序。