4.5, Qwen3.7-Max, GLM-5.2 и DeepSeek V4 Pro, используя 48 промптов (8 животных × 6 транспортных средств). Каждый SVG был отрендерен и оценён LLM-судьёй. Анализ не выявил доказательств того, что изображения пеликана на велосипеде получали более высокие оценки, чем ожидалось, что предполагает отсутствие целенаправленной оптимизации под этот бенчмарк.