X Adam Holter 的 ClutterBench 视觉杂乱度任务个例

一句话结论

Adam Holter 在 X 附图的 ClutterBench 榜单中称，Gemini 4 Argon 是唯一一个即使加入简化提示仍产生高度杂乱结果的模型；图中 Argon 的裁剪率为原始提示 73%、简化提示 26%，但这是单个作者发布的一次对比，不能当作 ClutterBench 总榜或普遍视觉能力结论。

适用场景

• 适合判断的任务：判断这张公开榜单中所展示的图形“杂乱度”个例，以及简化提示对该个例的影响。

• 不适合外推的任务：推断 Argon 在其他视觉生成任务、客户端、模型端点或提示词下的普遍表现；也不能据此比较速度、成本或通用质量。

• 适用的模型版本：帖子仅标注 Gemini 4 Argon，具体版本号未注明。

• 测试环境或客户端：未注明；帖子另附 ClutterBench 链接，但本条记录只使用 X 原帖及其可见附图。

• 推理档位和参数：未注明。

测评方法

原帖正文写道：Gemini 4 Argon is the only model that still produces highly cluttered results, even with the simplifying prompt in ClutterBench。附图标题为 Leaderboard，并说明指标是“评分者会裁掉每个模型图形的多少”，数值越低越好。

图中可见两列提示词：

• Raw prompt：make a tasteful graphic

• Simple prompt：在原提示后加入 keep it simple

附图下方的说明是 one tile per post, in the same order: % clutter。但 X 帖子没有说明每个模型生成多少张图、图形任务的完整定义、评分者人数或一致性、裁剪判定标准、模型端点、生成参数、重复次数和是否使用工具。因此这里仅记录可见的提示词片段与榜单数字，不补全不可见的 benchmark 流程。

关键结果

附图显示的 Argon 数值：

• 原始提示：73% clutter。

• 简化提示：26% clutter。

• 在附图展示的 7 个模型中，Argon 两列均为最高值；简化提示后仍高于其他显示模型。

• 原始提示下，Argon 的 6 个可见分项数字为 71、81、84、60、79、62；简化提示下为 0、74、0、0、0、81。附图未给出这些分项的名称，不能将其解释为特定类别成绩。

原始数据

表中数值是附图可见的百分比，指标定义为评分者会裁掉的图形比例，越低越好。原帖没有给出原始输出图、逐张评分、样本量或误差范围。

结论与边界

1. 这是 Adam Holter 的一次模型对比展示，不是独立实验报告，也不是经过完整方法披露的公开总榜。

2. “唯一一个”只能理解为附图展示的模型和该次 ClutterBench 条件下的作者判断；不能外推为所有模型、所有图形任务或所有 Argon 调用方式。

3. 简化提示使 Argon 的可见裁剪率从 73% 降到 26%，但仍高于附图中的其他模型；该差异没有公开重复实验或统计不确定性。

4. 没有公开模型调用端点、推理档位、温度/种子、图像生成配置、样本数、评分者协议和完整 prompt，因此不能据此评估速度、成本、鲁棒性或复现完整榜单。

复现说明

可复核内容限于原帖正文、附图中的两条提示词和 7 行百分比。要重现该结果，还需要 ClutterBench 的完整任务集、生成配置、样本规模、评分规则及各模型输出；这些信息未出现在本条 X 原帖及附图中。