ASCIITermDraw-Bench：用纯文本画图，考验视觉语言模型的另一项硬功夫

近日，社区发布了一项名为 ASCIITermDraw-Bench 的新基准，专注于评估视觉语言模型（VLM）一项常被忽视的能力：用纯文本生成并编辑 ASCII 图表。当用户需要向 AI 助手描述架构图、拓扑结构或节点集群时，简洁的 ASCII 图往往比自然语言更直观，也便于模型理解与改动——前提是模型真的「画得出来」。

基准概览：80 道任务覆盖四类场景

ASCIITermDraw-Bench 共包含 80 道任务，划分为四个方向：

基础方框与布局（Basic Box and layouts）
网络拓扑（Network topologies）
软件架构图（Software architecture diagrams）
图像条件下的图表编辑（Image-conditioned diagram editing）

其中第四类最具挑战：模型需要在保留原图中未要求修改部分的前提下，对给定图表进行定向改动。任务横跨多个难度等级，且采用统一格式，便于在不同类别与模型之间横向比较。

评测方法：结构分 + 语义分双重校验

每个模型的输出会得到两个分数：

结构分：核验必需的标签、边、实体与关系是否齐备；
语义分：由一个大模型充当裁判，对输出进行语义层面的评判。

为降低裁判模型本身的不确定性，语义分对每道任务评测 5 次后取汇总。最终成绩为全部 80 道任务的聚合，并附带 95% 置信区间。设计者强调，这比单纯判断「图看起来对不对」要严格得多。

当前排行榜

按公开结果排名（括号内为 95% 置信区间）：

Gemma-4-31B-IT：73.8%（±4.1）
Qwen3.7-Plus：70.2%（±4.6）
Kimi-K2.6：61.8%（±6.0）
MiniMax-M3：59.5%（±6.3）
Qwen3.5-9B：47.0%（±6.4）
Ternary-Bonsai-27B：45.9%（±7.1）

可以看到，头部模型得分在七成出头，而中小模型大多跌至五成以下，且置信区间较宽，说明这一任务对当前 VLM 仍构成实质性挑战。

如何参与

设计者在 Hugging Face 上公开了 12 道示例任务与完整方法论，研究者与开发者可直接查看任务格式、评测流程，并自行运行该基准对自家模型进行测试。该基准聚焦的是一个此前较少被系统覆盖的能力维度——用文本精确表达空间结构与连线关系——有望为后续 VLM 的「结构化输出」能力研究提供一个可量化的标尺。