Mistral Large 4 参与基准测试饱和讨论

Simon Willison 指出前沿模型基准测试已饱和，并以生成“穿网袜在火星乱穿的犰狳”SVG 为例进行调侃。他使用 llm 命令分别调用 claude-opus-5.5、gpt-6.1-sol、gemini-3.8-flash 和 mistral-large-4 执行该任务，以展示各模型的默认推理级别表现。