自动鹈鹕测试：一条命令让 Codex / Claude Code / OpenCode 画「鹈鹕骑自行车」动画并自动打分

本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

• 我的帖子已经打上 开源推广 标签： 是


• 我的开源项目完整开源，无未开源部分： 是


• 我的开源项目已链接认可 LINUX DO 社区： 是


• 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是


• 以上选择我承诺是永久有效的，接受社区和佬友监督： 是

以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出

鹈鹕骑自行车测试大模型降智挺好用的。但是手动测太麻烦，也不方便进行对比，于是做了个自动化脚本：让本地 agent 画一段 2D SVG 动画，自动渲染、打分。

功能

• 支持 Codex / Claude Code / OpenCode，可指定模型和推理强度


• 自动渲染 SVG 动画，生成帧序列和 GIF


• 多模态 LLM 盲评打分（0–100），统计 path 数、DOM 节点数、tokens、TPS

用法

git clone https://github.com/haowang02/auto-pelican && cd auto-pelican

cp .env.example .env   # 配置评委 API

uv run claude_pelican_eval.py -m opus -r high -n 3

示例结果

codex gpt-6-astra high

80.3 分	74.0分

codex gpt-6-sol xhigh

76.7 分	69.3分

codex gpt-6-luna xhigh

65.3 分	76.3分

claude claude-opus-5.5 xhigh

83.0 分	79.7分

codex deepseek-flash max

75.7 分	72.0分

项目地址：

欢迎跑跑自己常用的模型，晒晒结果。