“Desenhando” a Mona Lisa com GPT-5.6, Claude, Gemini e Grok
LLMs como GPT-5.6, Claude, Gemini e Grok foram encarregados de “desenhar” imagens como a Mona Lisa e Noite Estrelada usando apenas ferramentas simples de pintura digital, revelando níveis muito diferentes de controle, estilo e eficiência de custo. Os comentaristas observam que, embora pareçam infantis ou simbólicos — como a arte de um iniciante —, os resultados mostram capacidades emergentes surpreendentes no uso de ferramentas e no raciocínio visual, com o GPT-5.6 frequentemente superando configurações muito mais caras. A discussão também levanta questões sobre métodos de avaliação, design de prompts, especialização de modelos e se analogias humanas (por exemplo, comparar modelos a crianças ou papagaios) descrevem de forma significativa o progresso atual da IA.
Propósito e validade do teste
- Vários comentaristas veem o texto principalmente como um artigo de marketing/engajamento, em vez de uma comparação rigorosa.
- As críticas incluem: prompts idênticos para modelos muito diferentes, nenhuma adaptação ao “estilo” de cada modelo, nenhuma repetição de execuções para consistência e nenhuma ferramenta de “desfazer/reverter”, o que favorece estratégias com retrocesso.
- Alguns argumentam que, em implantações reais, você adaptaria o harness e o prompting a cada modelo, então a comparação direta é inerentemente limitada.
LLMs são adequados para desenhar?
- Várias pessoas ressaltam que se trata de modelos de linguagem usando uma ferramenta de desenho, não geradores de imagem nativos, então chamar os resultados de “inúteis” é visto como injusto.
- Outros ainda acham o resultado pouco impressionante e observam que modelos especializados em imagens ou sistemas de chat com capacidade de imagem performam muito melhor.
- Há interesse em harnesses melhores: mais ferramentas, zoom/corte, gerenciamento de paleta, “desfazer” e uso de métricas de similaridade melhores (por exemplo, embeddings de modelos de visão em vez de SSIM/RMSE).
Comportamento e estilo do modelo
- Muitos concordam que GPT-5.6 “Sol” é o vencedor claro: mais coerente, eficiente e “encantador”, especialmente na rosa e em Noite Estrelada.
- Os desenhos do Grok são amplamente descritos como perturbadoramente ruins, surreais ou como a infame “restauração” malfeita de uma pintura de Jesus; alguns ainda os acham divertidamente sombrios ou emocionalmente evocativos.
- Claude e outros modelos são vistos como medianos, às vezes focando demais em misturar cores ou usando mal o conjunto limitado de ferramentas.
Desenho “infantil” e antropomorfização
- Um tema recorrente é que as saídas parecem trabalho de artistas iniciantes ou crianças: “desenho por símbolos” baseado em ícones (“azul = vidro”) em vez de luz, forma e valor.
- Alguns veem isso como estranhamente humano e sugerem que paraleliza o desenvolvimento artístico humano; outros rebatem, dizendo que os modelos não “se desenvolvem” de fato, apenas os laboratórios treinam versões melhores.
- Há debate sobre antropomorfizar LLMs versus tratá-los como meras ferramentas, com alguma frustração com analogias de “papagaio estocástico” usadas em excesso.
Custos, eficiência e economia
- Os comentaristas destacam a grande diferença de custo, especialmente entre GPT-5.6 Sol e Fable, observando que o Sol alcança resultados melhores com muito menos tokens e dólares.
- Alguns relatam que o uso de LLMs parece mais barato e melhor com o tempo; outros dizem que ainda pagam mais no total, atribuindo isso ao aumento do uso em vez do custo por unidade.