為什麼 AI 連簡單的 ASCII 圖都畫不出來？

我之前看到一篇關於 MineBench 的文章，對最新模型能產生這麼逼真的輸出印象深刻。它們理解提示詞和進行空間修改的能力真的很強。但當我要求這些模型生成簡單的 ASCII 圖像時，它們慘敗了。提示詞：畫一個簡單的 ASCII 圖，一個人用手摸著眼睛。gemma-4-31b-it 的輸出看起來根本像是有人上吊了。grok-4.1-thinking 的結果更是一團亂，完全認不出來。這真的很奇怪——AI 能處理複雜的視覺任務，卻在最基本的文字藝術上栽跟頭。