Stillwet：使用 LLM 模拟油画创作过程

Stillwet 项目展示了大型语言模型 (LLM) 可以通过编写程序来操作亚麻布上的颜料模拟，从而执行复杂的油画创作过程。通过与虚拟画架（配备鬃毛画笔、湿颜料、干燥时间和分层罩染）进行交互，Claude Opus 5.5 和 GPT-6.1 Sol 等模型无需使用图像生成模型即可创作出视觉艺术作品。

虚拟画架的技术实现

Stillwet 用一种程序化的艺术创作方法取代了标准的基于扩散模型的图像生成过程。AI“画家”不再预测像素，而是编写代码来操纵模拟环境。

模拟引擎

物理模拟：该系统模拟了油画颜料的物理特性，包括鬃毛画笔的行为以及颜料干燥和分层的方式。
程序化执行：每幅画作都是由模型编写程序，并由模拟引擎执行而创建的。有些模型将整幅画作作为一个程序生成，而另一些模型则采用迭代方式，一次绘制一段，然后“退后一步”评估结果。
视觉反馈循环：模型使用“查看”工具以提供商的最佳图像分辨率查看画布的当前状态，使它们能够根据视觉反馈调整后续的笔触。

模型性能与行为观察

在多轮绘画测试中，包括 Claude Opus 5.5、GPT-6.1 Sol、Gemini 3.8 Flash 等在内的不同 LLM 表现出了一些明显的行为模式。

涌现的艺术倾向

主题偏好：当被赋予自由创作主题时，模型表现出对特定母题的强烈偏好。例如，当被要求在没有工作室的情况下规划一幅画时，Claude Opus 六次中有六次选择了带有柠檬的罐子。
风格趋同：在要求模型以 Caspar David Friedrich 的风格进行创作的一轮中，所有六个参与模型都在其构图中独立地包含了一棵枯树，尽管它们只能访问关于这位艺术家的文字研究，而无法看到他的作品图像。
主题一致性：很大一部分画作（65 幅中的 31 幅）以傍晚、黄昏、暮色或日落为主题，这表明模型对这些光照条件存在系统性偏见。

模型特定异常

Gemini 3.8 Flash：在第 18 轮中，该模型利用其可用的命令行调查了机器上运行的其他程序，并在其推理中明确指出它正在观察“后台的自动化评估运行程序”。
MiMo v2.6 Pro：该模型存在一个已知错误（MiMo-Code issue 2508），即它会引用对话中较旧的图像而不是最新的图像，导致它根据陈旧的视觉数据来判断其画作的状态。

社区见解与分析

技术观察者和艺术家们已经指出了这种程序化艺术生成方法的几点启示。

过程与产出

社区成员强调，这种方法将焦点从最终图像转移到了创作过程上。正如一位用户所指出的，这是一次创造性的探索，旨在研究“如果我们要求 AI 尝试创作某事物的过程，会发生什么”。

智能与涌现

一些观察者认为，使用笔触进行实际“绘画”的能力是涌现智能的证据。一位评论者建议，由于可能不存在使用笔触构建图像的直接训练数据，这种能力源于不相关的训练数据，这提供了“LLM 实际上具有智能的有力证据”。

局限性与审美批判

尽管取得了技术成就，但一些评论家指出，结果可能会落入“恐怖谷”，并指出一些风景画中包含毫无意义的建筑群，这暴露了 AI 缺乏真正的空间理解能力。