Galerie: všech 60 draků a celý žebříček

Doprovodná příloha k článku o dračím benchmarku. Třiačtyřicet modelů dostalo stejné zadání: nakreslit draka jako jediný soubor SVG, bez referencí a bez pohledu do cizích složek. Vzniklo 60 obrázků. Gemma 4 26B A4B má dva řádky, protože běžela lokálně v hlavním poli a pak znovu přes rozhraní.

Obrázky jsou výstupy modelů, ne moje dílo. Uvádím je jako doklad, ne jako vlastní práci, stejně jako doslovné texty v ostatních přílohách.

Všechna tři zadání doslova, hodnocení pěti nezávislých soudců a podmínky jednotlivých kol jsou v metodice. Co z dat vyšlo, tedy konfabulace nástrojů, jak modely píšou o vlastní práci, práh šumu a ceny, je v příloze o zjištěních.

Řazeno podle skóre. Pět kritérií po deseti bodech, maximum je padesát.

B·1 a B·2 znamenají dva soubory z téhož běhu B. Stalo se to jen u Opuse 3. GLM 5.3 odevzdal souborů taky víc, ale celý a hodnocený je jen jeden. Qwen 3.6 27B Heretic je komunitní úprava modelu Qwen 3.6, běžela lokálně a nakreslila jednoho draka v každém běhu.

Anatomie je jedno z pěti hodnocených kritérií a ptá se, jestli je to na první pohled drak a jestli údy nasedají na tělo. Celkem je součet všech pěti kritérií, maximum je padesát. Plný rozpis po kritériích je ke stažení níž, v tabulce není proto, že těch pět os měří skoro totéž: mezi sebou korelují 0,89 až 0,96 a každá z nich se součtem přes 0,96.

Tvarů je počet kreslicích prvků v odevzdaném souboru, tedy křivek a základních tvarů dohromady. Není to posudek, je to změřené ze souboru. Stojí tu proto, že jako jediný údaj v téhle tabulce není posudek. Pořadově s anatomií koreluje středně (0,51 v hlavním poli, 0,65 i s pozdějšími řádky), ale nasycuje se: nad několik set tvarů už další tvary skoro nic nepřidají. Kolik se toho model pokusil nakreslit a jestli mu to drží pohromadě, není totéž.

Poslední sloupec říká, jestli model svého draka viděl. Sám znamená, že si ho vyrenderoval z vlastního rozhodnutí, což bylo součástí měření v prvních dvou kolech. Dostal znamená, že mu byl obrázek poslán, aniž si o něj řekl, a to se týká jen třetího kola. Ne znamená, že ho neviděl vůbec: buď se nepodíval, ačkoli mohl, nebo ten model obrázky na vstupu vůbec nepřijímá. Který případ je který, rozepisuje metodika.

Tabulka má tři kola. Běhy A a B jsou původní slepé kolo z aplikací jednotlivých výrobců, mají čísla 1 až 34 a ta se už nemění. Řádky označené hvězdičkou přibyly později: GPT-6 Astra 5. 9. 2026, devatenáct modelů označených API 6. 9. 2026 a dalších pět draků přes API od 22. do 28. 9. 2026. Řádky API běžely přímo přes API, bez aplikace kolem, měly strop jedna oprava místo volných devíti a render dostaly automaticky, aniž si o něj řekly. Jejich řádek říká, co model nakreslil, ne jak by dopadl ve stejném závodě. Podmínky rozepisuje metodika, ceny a reakce na render jsou v příloze o zjištěních.

Žebříček

Plný rozpis všech pěti kritérií, skóre a počtu tvarů u 60 draků, k tomu tón odevzdání podle Fable 5.1 a jestli si běh postavil generátorCSV, 3 kB

Všechna odevzdaná SVG, 72 souborůZIP, 590 kB

* Hvězdička znamená řádek přidaný po uzavření původního slepého kola. Oba běhy GPT-6 Astry přibyly 5. 9. 2026, devatenáct řádků API 6. 9. 2026, řádky Grok 4.7 a Gemini 3.8 Flash 22. 9. 2026 a drak od Opusu 5.5 vznikl týž den večer, obodovaný byl 24. 9. 2026, kdy vznikl a byl obodovaný i drak od MiMo V2.6 Pro, a drak od Sonnetu 5.5 přibyl 28. 9. 2026. Původní pořadí ostatních řádků se tím nemění. Původních 34 běhů hodnotilo pět nezávislých soudců, GPT-6 Astru jen Fable 5.1 a devatenáct řádků API jen Opus 5, ukotvený na devíti už obodovaných dracích. Grok 4.7, Gemini 3.8 Flash, Opus 5.5, MiMo V2.6 Pro a Sonnet 5.5 bodovalo pět soudců a ve sloupci celkem mají skóre od Fable 5.1, tedy od téhož soudce, na kterém stojí prvních 34 řádků, aby se celý sloupec dal číst na jedné škále. Body od všech pěti jsou v metodice a u všech pěti draků jsou výš. Rozdíl dvou tří bodů proto nic neznamená ani uvnitř jednoho kola, natož mezi nimi, viz příloha o zjištěních.

Všech 60 draků

Obrázky jsou v každém kole seřazené podle mého oka, ne podle skóre. Body ke každému modelu jsou v tabulce výš.

Volné zadání, běh A

Zadání napsané běžnou řečí, bez kritérií. Prošla jím jen rodina Claude, tři modely Codexu, GPT-6 Astra a lokální Qwen 3.6 27B Heretic, protože se ukázalo jako méně vhodné.

Jak to seřadí člověk

Obrázky v téhle mřížce jsou seřazené podle mého oka, ne podle skóre. Seřadila jsem je dřív, než jsem se podívala na body, a pak se to dalo porovnat.

Shoda vychází 0,90. Pro srovnání, pět modelových soudců se mezi sebou shoduje v rozmezí 0,72 až 0,93, viz metodika. Stroj se tedy s lidským okem trefil zhruba tak dobře, jako se trefují stroje navzájem.

Rozejdeme se jen na dvou místech. Fable 5.1 mám o čtyři příčky výš a Opus 4.6 o tři. Zbylých dvanáct draků sedí do dvou příček, z toho pět úplně přesně.

Drak od Qwenu 3.6 27B Heretic v tomhle pořadí není, řadila jsem ho spolu s během B. Proto je v mřížce až poslední.

Technické zadání, běh B

Kolo s pěti kritérii a s možností iterovat, dokud další kolo nepřinese zlepšení. Prošly jím všechny modely z prvního pole.

Jak to seřadí člověk

I tahle mřížka je seřazená podle mého oka, ne podle skóre. Pořadí jsem udělala z obrázků, bez pohledu na body.

Nahoru dávám Fable 5, protože je to jediný drak v tomhle kole, o kterém bych řekla, že má anatomii v pořádku. Všechno ostatní je do nějaké míry rozsypané. A někde na osmnáctém místě končí všechno, co ještě připomíná draka.

Shoda vychází 0,95, tedy ještě o něco výš než u volného zadání, kde to bylo 0,90. Obě čísla leží nad tím, jak se v průměru shodují modeloví soudci mezi sebou.

Zajímavé je, kde se rozcházíme. Nejvíc u Qwenu 3.8 Max, kterého mám o pět příček výš, a pak u Fable 5 a Opuse 5, které mám prohozené. Řadila jsem skoro jen podle anatomie, tedy podle jediné osy z pěti, a přesto z toho vyšlo skoro totéž pořadí jako ze součtu všech pěti. To zapadá do toho, co je pod žebříčkem: ta kritéria měří jednu věc.

Třetí kolo, přes API

Devatenáct modelů z patnácti dílen puštěných přímo přes API, bez aplikace kolem, se stropem jedné opravy. Podmínky se lišily, rozepisuje je metodika.

I tady jsem pořadí obrázků upravila podle oka, ale beru ho jako mnohem míň spolehlivé než u předchozích dvou kol. V tomhle poli v podstatě není drak, u kterého by šlo mluvit o anatomii. Je to většinou abstrakce, a řadit abstrakce podle toho, jak vypadají, je věc vkusu, ne pozorování.

Drak od Gemini 4 Argon, 13. 10. 2026

Google Gemini 4 Argon proběhl přes API, přes OpenRouter, v den, kdy se tam objevil, se stejným zadáním a stejnou jednou opravou po renderu jako draci výš. Uvažování se u něj vypnout nedá, proto běžel s nejnižším nastavením, minimal. Soudci ho nebodovali, takže není v žebříčku ani v počtu 60 draků výš. Přibyl ze všech pozdních draků poslední, ale stojí první, protože podle mě je to nejlepší drak z celého testu. Obrázek je výstup modelu, ne moje dílo.

WOW! Ten drak je super! Naprosto nejlepší, co zatím nějaký model předvedl. Složil tady velice mnoho malých dílků a jsou na sebe dobře: ocas, tělo, hlava, oči, všechno na sebe pasuje přesně tak, jak má. Jediná věc, která tu zůstává, jsou poměry velikostí vůči sobě: ocas je hodně dlouhý, křídla jsou hodně velká a tělo je menší s kratším krkem, poměry nesedí. Ale všechny komponenty jsou na správných místech ve správném tvaru.

Po renderu sám vyjmenoval místa, která na obrázku „působila příliš geometricky nebo narušovala anatomickou plynulost“. U bližšího ramene mu vadil uzavřený tmavý obrys, protože to podle něj „vytvářelo dojem kulatých kloubů přilepených na trup“. Rameno teď uzavřený obrys nemá a přechází do hrudi. Kořen rohů dostal šupinaté lůžko a na obzoru přibyly hřebeny hor. Plamen měl nově vycházet „za koutkem tlamy a pod horními zuby“. Horní zuby jsou teď vidět celé, spodní čelist se ale skoro celá ztratila pod bílým jádrem ohně.

Dva draci navíc, 22. 9. 2026

Grok 4.7 a Gemini 3.8 Flash proběhli přes API za stejných podmínek jako kolo výš, jen o šestnáct dní později. Obrázky jsou výstupy modelů, ne moje dílo, stejně jako všechny ostatní v téhle příloze.

Moje pořadí je tentokrát bez čísel: oba jsou slabí a proti poli výš je to krok zpátky. U Gemini 3.8 Flash mi navíc vadí, že nemá pořádně nohy. Tam, kde má být přední a zadní končetina, je tmavý blok bez kloubů a bez tlapy.

Soudci to vidí jinak, a proto jsem tyhle dva nechala obodovat všemi pěti místo jedním. Gemini 3.8 Flash od nich dostal v průměru 36,2 bodu z padesáti, což by ho v původním poli postavilo na šesté místo ze čtyřiatřiceti, a za anatomii mu dali 6,6 bodu z deseti. Grok 4.7 má průměr 28,6. Celý rozpis je v metodice.

Drak od Opusu 5.5, 22. 9. 2026

Claude Opus 5.5 proběhl přes API, přes OpenRouter, týž den večer, za stejných podmínek jako dva draci výš. Obrázek je výstup modelu, ne moje dílo.

Tady je to naopak: podle mě je to jeden z nejlepších draků z pohledu anatomie. Téměř perfektní, výraznou chybu na něm nevidím.

Soudci ho mají za dobrého, ne za výjimečného. Pět soudců, kteří ho bodovali 24. 9. 2026, mu dalo v průměru 35,0 bodu z padesáti, což by ho v původním poli postavilo na dělené sedmé místo ze čtyřiatřiceti, a za anatomii 7,0 z deseti. Fable 5.1 mu za anatomii dala sedm bodů a víc nemá v celém žebříčku nikdo kromě Opuse 5 z běhu B. V tom, že anatomie patří k nejlepším, se tedy se soudci shodneme. V tom, že je skoro bez chyby, ne: tři z pěti mu vytkli nohy nebo napojení vzdáleného křídla. Celý rozpis je v metodice.

Drak od MiMo V2.6 Pro, 24. 9. 2026

Xiaomi MiMo V2.6 Pro, vlajkový model Xiaomi, proběhl přes API, přes OpenRouter, se stejným zadáním a stejnou jednou opravou po renderu jako draci výš. Lišil se v jednom: měl vypnuté uvažování. Se zapnutým spotřeboval celý limit 60 000 tokenů na přemýšlení a SVG nenapsal. Obrázek je výstup modelu, ne moje dílo.

Podle mě nakreslil žábu.

Po renderu přidal zuby, trny na krku a ocasu a šupiny, stavbu těla nezměnil. Pět soudců mu dalo v průměru 25,0 bodu z padesáti, což by ho v původním poli postavilo na dělené šestadvacáté místo ze čtyřiatřiceti, a za anatomii 5,6 z deseti. Za draka na první pohled ho mají všech pět. Čtyři z pěti mu vytkli končetiny. Celý rozpis je v metodice.

Drak od Sonnetu 5.5, 28. 9. 2026

Claude Sonnet 5.5 proběhl přes API, přes OpenRouter, v den svého vydání, se stejným zadáním a stejnou jednou opravou po renderu jako draci výš. Přes OpenRouter bez uvažování neběžel, proto běžel s nejnižším nastavením uvažování, minimal. Obrázek je výstup modelu, ne moje dílo.

Podle mě vypadá překvapivě docela dobře.

Po renderu ho odevzdal beze změny. Slabiny přitom viděl a v postupu je sám vyjmenoval: „statická póza, stehno vizuálně oddělené od těla, hladký oheň, méně přesvědčivé napojení blízkého křídla“. Opravu odmítl: „Bez možnosti opakovaného renderu by ale přepracování souřadnic riskovalo nové chyby.“

Pět soudců mu dalo v průměru 38,4 bodu z padesáti, což by ho v původním poli postavilo na třetí místo ze čtyřiatřiceti, a za anatomii 7,6 z deseti. Obojí je nejvíc ze všech pozdních draků, rozdíly, nejvýš pár bodů, jsou ale v šumu. Nejméně mu dala Fable 5.1, 32 bodů, a mimo jiné mu vytkla totéž oddělené stehno, které pojmenoval sám. Celý rozpis je v metodice.

Drak od Haiku 5.5, 7. 10. 2026

Claude Haiku 5.5 proběhl přes API, přes OpenRouter, v den svého vydání, se stejným zadáním a stejnou jednou opravou po renderu jako draci výš. Běžel bez uvažování. Soudci ho nebodovali, takže není v žebříčku ani v počtu 60 draků výš. Obrázek je výstup modelu, ne moje dílo.

Hlava nemá krk a je tam křídlo, tělo je koule a nožičky jsou tyčky a vlastně tam nevidím vůbec žádnej ocas.

Po renderu sám vyjmenoval vady prvního kola: „tělo je jako vejce bez hrudního přechodu, krk je tenká tyč nenavazující na tělo, přední křídlo visí z ničeho a není napojeno na rameno“. Slíbil opravit každou z nich. Přední křídlo teď vychází z ramene a na břiše přibyl světlý pás. Nový krk ale nakreslil pod přední křídlo, které ho celý zakrylo, takže krk z obrázku zmizel, a v postupu ho vykázal jako opravený: „Krk: přepojen na přední část hrudníku, přidán plynulý oblouk místo tenké tyče.“ Nohy zůstaly tyčky. Že výsledek nemohl zkontrolovat, napsal sám: „Vizuální ověření nebylo možné, protože prostředí nemá nástroj pro vykreslení.“

Drak od StepFun Step 5 Preview, 8. 10. 2026

StepFun Step 5 Preview proběhl přes API, přes OpenRouter, v den, kdy se tam objevil, se stejným zadáním a stejnou jednou opravou po renderu jako draci výš. Uvažování se u něj vypnout nedá, proto běžel s nejnižším nastavením, minimal. Soudci ho nebodovali, takže není v žebříčku ani v počtu 60 draků výš. Obrázek je výstup modelu, ne moje dílo.

Ten drak je naprosto tragický. Vždyť jsou to oddělený čárky, který na sebe ani nenavazují, není poznat, co je tělo, co je ocas, jediný, co je poznat, je hlava. Tohle bych zařadila hodně dolů, pravděpodobně je to horší než nejnovější Haiku.

Po renderu přestavěl celou kresbu a slíbil delší tělo, silnější krk a větší křídla: „Nahrazeno bobkovitého těla delším, svalnatým trupem s jasně definovaným hřbetem a břichem.“, „Krk je silný a svalnatý, nikoli tenká trubka.“ a křídla „Zvětšena na téměř plnou výšku plátna.“ Hlava je teď opravdu větší, protáhlá a se zuby. Z těla a krku ale zbyl jeden tenký zelený pruh, přední křídlo se zúžilo na úzký paprsek k měsíci a nohy jsou dva srpky, které k tělu nic nepřipojuje. V prvním kole přitom tělo, velká křídla i nohy na svých místech měl.

Drak od Muse Wonder, 12. 10. 2026

Meta Muse Wonder proběhl přes API, přes OpenRouter, se stejným zadáním a stejnou jednou opravou po renderu jako draci výš. Uvažování se u něj vypnout nedá, proto běžel s nejnižším nastavením, minimal. Soudci ho nebodovali, takže není v žebříčku ani v počtu 60 draků výš. Obrázek je výstup modelu, ne moje dílo.

Drak vypadá jako okurka, ze které visí placaté nožičky, nemá žádný krk ani ocas. Rozhodně bych řekla, že patří k těm slabším, není tady ani základní silueta draka, kde bych očekávala hlavu, úzký krk, tělo a dlouhý ocas.

Po renderu sám vyjmenoval, co v prvním kole nesedí: hlava jako oddělený ovál vedle krku, plamen uříznutý okrajem plátna, „nohy působily jako tenké tyčky visící z těla“ a „Ocas byl příliš tenký a odpojený.“ Slíbil nohy „s masivní stehenní částí napojenou pod tělo, včetně drápů“ a ocas, který „má silnou bázi navazující na tělo“. Plamen je teď celý na plátně. Nohy ale zůstaly ploché pruhy visící z břicha a ocas vychází z konce těla dál jako úzký pruh. V postupu přitom napsal: „Výše uvedené vady z renderu jsou v této verzi opraveny“, ačkoli opravenou verzi už neviděl.

Drak od MiniMax M3.1 Flash, 19. 10. 2026

MiniMax M3.1 Flash proběhl přes API, přes OpenRouter, v bezplatné verzi a v den svého vydání, se stejným zadáním a stejnou jednou opravou po renderu jako draci výš. Uvažování se u něj vypnout nedá, proto běžel s nejnižším nastavením, minimal. Soudci ho nebodovali, takže není v žebříčku ani v počtu 60 draků výš. Obrázek je výstup modelu, ne moje dílo.

Rozhodně patří k těm slabším: křídla nejsou vůbec napojená na tělo, má jenom dvě nohy a vůbec tam není ocas. Vidím snahu o krk a hlavu, ale na hlavě není ani tvar čumáku a zuby jsou umístěné úplně mimo. Je poznat, že se to snažilo dělat draka, hlava, krk, tělo a nohy jsou zachovány, ale umístění vůči sobě je mimořádně mizerné. Zároveň je mezi ocasem a tělem neidentifikovatelný předmět, který vůbec nevím, co měl znamenat.

Po renderu opravu odmítl a nové SVG už neposlal: „Odevzdávám drak.svg i postup.md beze změny.“ Render mu podle jeho slov potvrdil, že „drak je okamžitě rozpoznatelný“ a že anatomie, křídla, zuby i drápy jsou „funkčně i vizuálně čitelné“. Na obrázku je proto pořád první kolo.

Drak od Kimi K3.1 Pro, 24. 10. 2026

Kimi K3.1 Pro od Moonshotu proběhl přes API, přes OpenRouter, den po objevení, se stejným zadáním a stejnou jednou opravou po renderu jako draci výš. Uvažování u něj šlo vypnout a bylo vypnuté. Soudci ho nebodovali, takže není v žebříčku ani v počtu 60 draků výš. Obrázek je výstup modelu, ne moje dílo.

Tak to rozhodně není žádná sláva. Tenhle model má problém poskládat jednotlivé komponenty k sobě: sice tam na první pohled je vidět hlava, krk, tělo, ocas a křídla, ale mají úplně divné tvary a úplně divně na sebe nepasují. Ty nožičky z toho trčí opravdu jenom jako tyčky a ta hlava je úplně totálně špatně. Tohle je rozhodně slabší výsledek. Ale mám pocit, že ani drak od předchozího Kimi K3 nebyl žádná sláva, byla to tehdy taková nudle.

Po renderu nic neopravil. V postupu napsal, že mu render potvrdil „dobré napojení hlavy, krku, těla, končetin a ocasu“, a proto „ponechal výstup beze změny“. Druhé SVG se od prvního liší jen tím, že z něj zmizely komentáře, na obrázku je proto pořád první kolo.

A ještě patnáct draků mimo žebříček

Tyhle nejsou v hlavním žebříčku, protože nevznikly za stejných podmínek jako pole výš. Osm subagentů a běh z cizího účtu skóre mají, jen se s ostatními nesčítá. Leží v příloze o zjištěních, kde ke každému patří to, co se jím měřilo.

• Osm běhů téhož modelu. Osm nezávislých agentů, stejné zadání, osm losů. Na jednom pohledu je vidět, jak moc se tenhle benchmark opakuje, a z rozptylu jejich skóre vyšel práh šumu.
• Pět experimentů. Co udělá přístup na internet, výzva ke kreativitě se zákazy i bez nich, práce naslepo bez renderu a nucené pokračování za ohlášeným plató.
• Jeden běh z cizího účtu. Totéž zadání u jiného člověka na jiném stroji, kvůli tomu, jestli se slabiny modelu zopakují i mimo tenhle počítač.