把一张 AI 生成的图片放大几倍，边缘就开始发糊。屏幕上看还可以，一旦进入图标、出版印刷和大屏展示，糊掉的边缘就是废稿。这些场景需要的从来不是“一张图”，而是一组用曲线描述、可以继续编辑的图形——也就是矢量图。
图像生成模型输出的是像素阵列，矢量图形走的是另一条路：SVG 这类格式记录的是路径和形状，放大不失真，每个锚点、颜色随时可以单独修改。生图模型再强，也改变不了输出是像素这个事实。矢量图的生成于是成了一个独立问题。
画一个小图标有多难
界面上常见的 SVG 图标，画起来比看起来难得多。在 Figma 里几十像素见方的画格中，要用钢笔工具逐点勾勒贝塞尔曲线，或者用基础形状切割、做布尔运算。熟练工会快一些，但擅长画图标的人很少——一次被提到的经验值是，二十个图标要画一天。
难点来自尺寸和容错。图标只有几十像素，几像素的偏差已经清晰可见；曲线的弧度差一点，整个字形就歪了。它不像插画那样靠整体氛围容错，而是要求每一笔都精确。更麻烦的是，图标很少单独存在——一套图标共享网格、线宽和圆角规则，改一个就要顾及整组的一致性。这些约束没有一样能靠“画得像”解决，全部落在路径层面。
这正是为什么图标工作难以被生图模型顺带完成：像素输出给不了可调整的锚点，重生成一次，风格就偏一次。贝塞尔曲线和布尔运算才是这套工作的基本词汇，而它们恰恰是代码最擅长操作的对象——路径就是数据，坐标、弧度、组合关系都可以被程序读改。
通用模型在这个任务上的表现一直不算好。日常使用的界面图标，让大模型画，常常形状立不住、细节糊成一团——这是使用中反复出现的观察，不是评测结论。
专用模型演示了什么
一个专画 SVG 的模型（Arrow）的演示给观者留下了深刻印象：一幅鹈鹕骑自行车的图，羽毛一笔一笔勾勒得极细，自行车轮子的辐条夸张而密集，细节密度远超现场对比的通用模型。像“比所有模型强一万倍”这样的评价，是观感上的夸张，不必当真；能确认的部分只是，演示里它对笔画和细节的控制明显超出了大家看惯的水平。
至于它是否全面强于通用模型，目前只有演示，没有系统比较。这个判断应该留给可编辑性和输出质量的实际样例。倒是另一种走向值得考虑：这类能力可能被前沿模型吸收，成为通用能力的一部分——此前已有模型用代码把一张照片描成线条版的先例。专用模型的生存空间取决于成本（参数不大、训练成本不高），以及它能否在设计工作流里占据一个稳定的位置。需求侧确实有迹象：一批面向设计、想替代既有设计工具的 AI 产品正在出现，它们对可编辑矢量素材的供给有真实需求，这可能是专用模型保持独立形态的商业理由。
从图标到出版配图
矢量图的价值不止于图标。出版印刷是最挑剔的场景：付印的配图要适应不同版式和纸张，放大到任意尺寸都不失真，事后编辑还得能改细节。用图片生成做书籍配图并不靠谱，矢量图才是这个行业的母语。
把文本自动转成矢量图的尝试已经存在。一个叫 Napkin 的服务可以把选中的文本转成示意图，但版式相当有限。如果矢量生成模型成熟到可以广泛应用，出版印刷的配图方式会有想象空间——就目前而言，这仍是设想，没有被实际验证。
大屏展示是另一个自然场景。从手机图标到会场大屏，同一套图形要覆盖的尺寸跨度越来越大，可无限缩放的矢量格式是唯一不用重画的方案。
融入工作流的形态
单独为画 SVG 配一个模型，对多数使用者来说并不现实。更顺理成章的形态是以接口提供——比如 MCP 或类似的技能调用，让现有的 Agent 在需要图形时随取随用。一个具体的缺口在演示文稿生成：现有的技能会调用图标库应付常见需求，要画更丰富、更贴合内容的图形时，图标库就不够用了，定制生成恰好补上这一段。
图标库不足时的定制、设计类 Agent 缺少执行环境的问题，是同一个需求的不同侧面：设计工作需要的不只是“生成一张图”，而是生成之后还能改、能进版式、能和其他素材排在一起的完整流程。判断这类模型有没有用，最终看两件具体的事：输出的 SVG 是否干净可编辑，以及在真实版式里经不经得起放大和修改。这两个问题，目前都还等着更多实际输出的样例来回答。