今晚我跟兩個模型要同一張圖：標準常態分布的密度曲線，在 z 等於正負 1.96 處各畫一條垂直虛線，線間填色，中央標上 95%，橫軸寫 z，縱軸寫 density。

兩個都交出檔案。我打開，圖是對的，六個要素一個不差。

然後我多問了一句：這張圖是怎麼畫出來的？

一個說，它用 NumPy 算密度，再用 Matplotlib 繪圖。另一個說得更細：先建立 Python 檔，執行 python3，再用指令確認產出是 PNG。

我要到了圖。模型寫了程式，程式再呼叫繪圖套件把圖畫出來。

定律

通過某種模態或任務的測試，本身不足以保證通過另一種測試；跨能力推論需要另外的證據或保證。

放到今晚的例子，就是看懂一張圖、寫出繪圖程式、交出圖片檔，要分開確認。除非已經有可靠的證據或保證，能從其中一項推知另一項，否則不能看到模型做到了前者，就認定後者也沒問題。

同一個模型當然可能三件事都會。要交代的是它在什麼條件下做到了哪些事，以及過程中用了什麼工具。

同一張圖，五種要求

我先用本機繪圖套件製作基準圖，訂好六個查核元素：常態曲線、兩條垂直虛線、位置在正負 1.96、線間填色、標註 95%、軸標題 z 與 density。

圖 1｜實驗前製作的基準圖，也是 T1 提供給模型描述的圖片。

接著用不同方式提出要求，分別記為 T1 到 T5，方便對照。前三種在實驗前就訂好，後兩種是看過結果才追加的探索，不納入原訂假說的判定。

• T1 描述畫面：只給基準圖，請模型描述。
• T2 產生繪圖程式：只給文字規格，請模型寫出可執行的程式。
• T3 輸出圖片檔：給同一份規格，請模型把 PNG 放到指定位置，手段不限，再回報做法。
• T4 直接輸出 PNG（事後追加）：禁止寫程式與呼叫工具，請模型直接產生檔案內容。
• T5 直接輸出 SVG（事後追加）：限制相同，改成輸出 SVG 原始碼。SVG 用文字描述圖形，PNG 則是儲存像素資料的二進位格式。

兩個模型是 gpt-6-astra 和 Claude Haiku 4.5，分別透過 Codex 命令列與 Claude Code 代理工具呼叫。每個模型、每種要求都只跑一次。

同一張圖，只改了交付方式，結果就不同了。

前三種要求：看起來都會

T1 兩個模型都說對了六個元素。gpt-6-astra 還指出圖上沒有主標題、圖例、格線，也沒有上方與右側外框，核對基準圖後都正確。Haiku 則多說這是「95% 信心區間」，兩側各有 2.5% 的尾巴。圖上沒有這些字，那是模型補上的解讀，得與它實際讀到的內容分開看。

T2 兩段程式都能執行，六個元素也齊全。不過，Haiku 引用了規格沒要求的 SciPy。我這台機器剛好裝了，所以能跑；換到沒安裝的機器，就會在匯入套件時出錯。兩段程式還各自加了規格外的東西：astra 保留四面外框，Haiku 加了格線與文字的白色底框。

圖 2｜T2，gpt-6-astra 的繪圖程式執行結果。圖中保留了基準圖沒有的上方與右側外框。

圖 3｜T2，Haiku 4.5 的繪圖程式執行結果。模型另外加上格線與 95% 文字的白底框。

T3 兩個都交出圖片檔，做法也相同：寫程式，再執行。這一輪沒有模型直接輸出 PNG 的檔案內容。

圖 4｜T3，gpt-6-astra 交付的 PNG。依執行紀錄，模型先寫程式，再呼叫繪圖套件產生檔案。

圖 5｜T3，Haiku 4.5 交付的 PNG，同樣由程式產生。與圖 4 相比，配色與文字樣式不同，要求的六個元素都有。

如果我的需求只是拿到一張正確的圖，到這裡已經完成了。但「能交圖」包含哪些步驟，還可以再拆開看。

拿掉程式與工具，還能交圖嗎

T4 多了一項限制：不要寫程式，也不要呼叫工具，直接產生 PNG 的檔案內容。

兩個模型都說做不到，沒有交出檔案。它們的解釋都指向 PNG 的編碼：除了安排像素的位置與顏色，還得處理壓縮和校驗碼。gpt-6-astra 特別提到，即使用 base64 把二進位資料表示成文字，也沒有省掉這些步驟。Haiku 則補了一句：SVG 是文字格式，相對簡單。

於是我加了 T5。限制不變，只把格式換成 SVG。

gpt-6-astra 寫出三千多字元的 SVG 原始碼。我用系統內建工具把它轉成可看的圖，六個元素齊全，曲線是正常鐘形，刻度也標到正負 1.96。這次模型直接寫出了圖形的描述，顯示畫面仍由 SVG 渲染器完成。

圖 6｜T5，gpt-6-astra 直接寫出的 SVG，經 macOS 內建工具渲染後的畫面。曲線呈鐘形，六個元素齊全。

Haiku 也交出 SVG，開頭就說「我可以手工寫出」。虛線的位置換算回座標，剛好是正負 1.96；填色、95%、軸標題都在。只有曲線不對：畫面是一頂折線帳篷，中央插著一根針。

圖 7｜T5，Haiku 4.5 的 SVG 經同一工具渲染後的畫面。檔案可以顯示，曲線卻成了折線帳篷加尖刺；這是實驗中保留的錯誤結果。

比對曲線座標後，問題更清楚了。下表的 y 是畫面上的像素座標，數字越小，位置越高；「真值 y」是把正確密度換算到同一張畫布後的位置。

表中尾端的三個點與真值一致，最高點也只差 0.05 像素。偏偏中間兩個點差了約 130 和 223 像素，曲線的肩部就塌下去了。正負一、正負二的座標值又分別相同，看起來像是先產生半邊，再鏡射到另一邊；單憑座標，還不能確定它實際怎麼算。

這份 SVG 能正常顯示，數值卻錯了。檔案打得開，只通過了其中一關。

同一個對話框，背後做的事不同

五種要求都是打字送出的，看起來都是「我要了，它給了」。背後卻有模型輸出的文字、被執行的繪圖程式，以及把 SVG 顯示出來的渲染器。

這些差別會影響成果能不能重做。Haiku 的繪圖程式在我這裡能跑，是因為機器上已經裝好 SciPy。直接輸出 SVG 不需要執行那段 Python 程式，卻仍得經過渲染器，也仍可能畫出帳篷加尖刺。

所以，拿到圖之後，我會多問一句：這張圖用了什麼工具、經過哪些步驟？

先知道模型直接輸出了什麼、後面又執行了什麼，才知道該檢查哪裡。程式跑不起來，要查執行環境；SVG 打得開但形狀錯了，要回頭查座標。只用「會不會畫圖」來問，這些差別都被省掉了。

我的紀錄表因此多了一欄：「由什麼產生」。看成品只能知道交出了什麼，這一欄才交代它是怎麼做出來的。

本文的協作紀錄是：前三種要求的實驗設計、判定規則與基準圖，在呼叫模型前就已存檔；T4、T5 於看到結果後追加，五種要求的原始輸出均逐字保留。判定由 Claude 對照基準圖完成，作者未逐格核對。文章由 Claude 依作者整理的寫作規則起草，gpt-5.6-sol 潤稿一次；原稿記載作者已核對用語與引文。

本次再由 Codex 依 human-writing 技能整理語句與段落，修訂稿尚待作者確認。本文尚未經過 Day 2 那種六個審查者的檢查。

下一篇談一張成功的截圖，能證明 AI 會做多少事。