工具
ASCIITermDraw Bench：测试视觉语言模型生成 ASCII 图能力
社区推出 ASCIITermDraw Bench 基准，含 80 道任务，用于评估 VLM 按指令生成与编辑 ASCII…
2026.07.19 · 周日约 2 分钟阅读
近日，AI 研究社区在 Hugging Face 上发布了名为 ASCIITermDraw Bench 的基准评测，专门用于衡量当前主流视觉语言模型（VLM）按指令生成与编辑纯文本 ASCII 示意图的能力。区别于常见的代码、数学与推理类基准，该评测聚焦的是模型能否仅用 ASCII 字符准确布局方框、连线、箭头与标签，绘制出可读的架构图、拓扑图等。
评测目标与任务设计
ASCIITermDraw Bench 试图回答一个实际问题：在描述系统架构、网络拓扑或节点集群时，是否可以跳过图像生成器，让 AI 助手直接以简洁的 ASCII 图接收并理解用户意图？该基准认为，虽然不少模型能用自然语言正确描述一张图的构成，但要精确排列元素位置、保留连线关系与箭头方向，是一项独立的、更具挑战性的能力。
基准共包含 80 道任务，覆盖以下四类：
- 基础方框与布局
- 网络拓扑图
- 软件架构图
- 图像条件下的图编辑：给定一张示意图，要求模型在保留其余内容的前提下，仅修改被指定的部分
任务按多个难度等级划分，并采用统一格式，便于在不同模型、不同类别之间横向对比。
评分方法
每条模型响应会得到两个分数：
- 结构分：校验必需的标签、边、实体与关系是否齐全
- 语义分：由 LLM 裁判模型打分，每道任务评估 5 次以减少裁判波动
最终分数在全部 80 道任务上聚合，并以 95% 置信区间呈现，相比单纯判断图是否「看起来对」更为严谨。
当前排行榜
基准已公布第一版模型排行（百分制，含 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）
如何使用
基准提供 12 道示例任务与完整方法论，已开源在 Hugging Face 上，研究者与开发者可自行查阅任务格式、评估流程并复跑测试。该基准为评估 VLM 在「纯文本视觉表达」这一细分能力上提供了量化依据，但适用范围仍偏向终端、文档等轻量绘图场景，距离主流图形设计需求尚有距离。