任务贴合
Adherence
主体动物和载具是否两个都对，而且真的画进了 SVG。只在标题里写“鹈鹕”、画面里没有，不算。
一句提示词，让模型直接生成一个 HTML 动画。我们不追问、不重试，按固定口径给第一版打分——结构断在哪、动效僵在哪，一目了然。
生成维度不打抽象分。每道生成题都保留模型一次成型的原始 HTML，在这里逐件复核。点击任意一件进入全屏观看，也可在新窗口打开源文件。
同一句提示词，不同模型给出的 HTML 差异很大。四项固定口径逐项打分，避免“看着还行”这种主观判断。
主体动物和载具是否两个都对，而且真的画进了 SVG。只在标题里写“鹈鹕”、画面里没有，不算。
标签闭合、viewBox、id 是否重复，有没有画了却没引用的关键帧和图形。
CSS、SMIL、JS 同等看待。按在动的部件数量、是否联动、循环与缓动连续给分。
图形数量、渐变与滤镜、背景、配色种类，按实际数量连续给分，不是及格就给满。
从题库里取一条原句，不加任何补充说明，直接投给待测模型。
同一句提示词跑所有模型，换模型不换题，对比才成立。
只取模型第一次输出的完整 HTML，不追问、不修图、不重试。
降智往往体现在第一版：元素丢失、结构断裂、动画僵住。
四项固定标准逐项给分，产物原样存档，分数与画面一起可查。
同一模型多次运行的成绩累积，用来观察稳定性而非单次运气。
每条都是「动物 + 载具」的固定结构，动物和载具逐条错开。点「换一批」可以看另外的组合——组合越别扭，越容易暴露结构能力。
每条提示词只有「动物」「载具」「动作」三个变量，其余措辞完全一致。载具从滑板、独轮车、自行车到小电驴逐级变化，动物体型跨度覆盖到长颈鹿——组合越别扭，越容易暴露结构能力。