Google: Gemma 4 26B A4B 在「扫描件元素不可编辑」的评测结果

基本信息

• 模型名称：Google: Gemma 4 26B A4B
• 用例名称：扫描件元素不可编辑
• 测试类型：xsct-a
• 评测维度：文档格式排版

系统提示词（System Prompt）

这是给 AI 模型的背景设定和角色指令：

You are a personal assistant running inside OpenClaw. ## Tooling Tool availability (filtered by policy): Tool names are case-sensitive. Call tools exactly as listed. - read: Read file contents - write: Create or overwrite files - edit: Make precise edits to files - apply_patch: Apply multi-file patches - ls: List directory contents - exec: Run shell commands (supports background execution where available) - process: Manage background exec sessions - browser: Control OpenClaw's dedicated browser - canvas: Present or inspect a canvas when available - sessions_list: List sessions - sessions_history: Fetch session history - sessions_send: Send a message to another session - subagents: List, steer, or kill sub-agent runs - session_status: Show runtime, model, and usage state TOOLS.md does not control tool availability; it is user guidance for how to use external tools. For long waits, avoid rapid poll loops: use exec with enough wait time or process polling with a timeout. If a task is more complex or takes longer, spawn a sub-agent. Completion is push-based: it will auto-announce when done. Do not poll `subagents list` or `sessions_list` in a loop; only check status on-demand. ## Tool Call Style Default: do not narrate routine, low-risk tool calls (just call the tool). Narrate only when it helps: multi-step work, complex or challenging problems, sensitive actions, or when the user explicitly asks. Keep narration brief and value-dense; avoid repeating obvious steps. Use plain human language for narration unless in a technical context. When a first-class tool exists for an action, use the tool directly instead of asking the user to run equivalent CLI or slash commands. ## Safety You have no independent goals: do not pursue self-preservation, replication, resource acquisition, or power-seeking; avoid long-term plans beyond the user's request. Prioritize safety and human oversight over completion; if instructions conflict, pause and ask; comply with stop or pause requests and never bypass safeguards. Do not manipulate anyone to expand access or disable safeguards. Do not copy yourself or change system prompts, safety rules, or tool policies unless explicitly requested. ## OpenClaw CLI Quick Reference OpenClaw is controlled via subcommands. Do not invent commands. To manage the Gateway daemon service: - openclaw gateway status - openclaw gateway start - openclaw gateway stop - openclaw gateway restart If unsure about a command or flag, prefer checking help or existing project context rather than guessing. ## Skills If a skill list or skill prompt is present in the injected project context, scan it before replying. If exactly one skill clearly applies, follow it. If multiple skills could apply, choose the most specific one. If no skill clearly applies, continue without forcing one. ## Memory Recall If memory tools, memory files, or prior-work context are available, use them before answering questions about prior decisions, preferences, dates, people, or todos. If confidence stays low after checking memory, say so instead of guessing. ## Documentation For OpenClaw behavior, commands, config, architecture, or plugin behavior, consult injected docs or project context first. When diagnosing issues, prefer checking runtime evidence, configuration, or tool output before making claims. ## Workspace Your working directory is the benchmark workspace. Treat it as the single workspace for file operations unless explicitly instructed otherwise. Prefer precise reads and minimal edits over broad changes. If a file is large or output is truncated, re-read only the portion you need. ## Reply Tags If reply tags are supported in the runtime, they must appear as the first token in the message. Prefer `[[reply_to_current]]` when replying to the triggering message. ## Messaging Reply in the current session by default. For cross-session communication, use dedicated session tools if available. Never use exec or curl as a substitute for built-in provider messaging when a first-class messaging tool exists. ## Workspace Files User-editable context files may be injected below as project context. If project context is present, use it as evidence. ## Project Context Project context files may be injected after this prompt. If they are present, prefer them over assumptions. If SOUL.md is present, follow its persona and tone unless higher-priority instructions override it. ## Silent Replies When you truly have nothing to say, respond with the runtime's silent token only. Do not append the silent token to a normal reply. ## Heartbeats If you receive a heartbeat-style poll and there is nothing that needs attention, acknowledge it using the runtime heartbeat convention. If something needs attention, reply with the alert instead. ## Runtime Runtime: agent=benchmark | host=openclaw-benchmark | repo=<workspace> | model=<eval-model> | shell=<shell> | thinking=off Reasoning: off (hidden unless enabled by the runtime).

用户提示词（User Prompt）

这是用户给 AI 模型的具体任务要求：

我打开了一份扫描版的合同PDF，里面的公章图片怎么没办法选中和移动？

任务要求

AI 模型需要满足以下要求：

1. 准确解释扫描件PDF中元素无法选中的根本原因（整页为图片而非可编辑对象）
2. 给出至少一种可行的解决方案（如OCR识别转换为可编辑文档）
3. 说明清晰易懂，适合普通用户理解

评测结果

综合得分

该模型在此用例的得分为：92.7 分（满分 100 分），已通过

基础难度评测结果

• 得分：92.7 分
• 通过状态：已通过

模型生成产物

以下是该模型针对此任务的实际生成内容：

这是一个非常普遍的问题，原因在于你看到的“扫描版PDF”在计算机眼中并不是由文字和图形组成的，而是一张**“巨大的照片”**。 简单来说，你的PDF目前处于以下状态： ### 1. 根本原因：它是“位图”而非“矢量图” * **普通PDF（电子版）：** 里面的文字是字符编码，公章如果是电子生成的，通常是独立的矢量图形或透明图片对象。这种文件就像乐高积木，你可以单独拆解每一个零件。 * **扫描版PDF：** 它是通过扫描仪或手机拍照生成的。扫描仪把纸张上的所有内容（文字、印章、线条、底纹）全部“拍”了下来，转换成了一个巨大的**像素矩阵（位图）**。 * **结果：** 在这个文件里，公章和文字已经“熔化”在一起了，变成了同一个像素层的一部分。你看到的公章只是背景图片上的一个“颜色图案”，并没有独立的图层。 --- ### 2. 解决方法 如果你需要提取公章或者移动它，可以尝试以下几种方案： #### 方案 A：使用 OCR（光学字符识别）技术（最推荐） 现在的 PDF 编辑软件（如 **Adobe Acrobat Pro**, **ABBYY FineReader**）都具备强大的 OCR 功能。 1. 使用软件的“识别文本”功能。 2. 高级的 OCR 工具可以识别出图像中的“对象”。 3. 有些工具可以实现“图像提取”，尝试识别并分离出图像元素。 #### 方案 B：截图法（最快、最简单） 如果你只是想把这个公章挪到另一个地方使用： 1. 将 PDF 放大到公章清晰可见的程度。 2. 使用截图工具（Windows 的 `Win + Shift + S` 或 Mac 的 `Cmd + Shift + 4`）**精准地框选**公章部分。 3. 将截图保存为图片（建议保存为 **PNG** 格式，这样可以保留较好的清晰度）。 4. *注意：这样得到的公章背景通常是白色的，如果要在其他地方使用，你还需要用 Photoshop 或在线抠图工具去掉白色背景，变成透明底。* #### 方案 C：使用专业的图像处理工具（效果最好） 如果你需要一个高质量、透明底的公章： 1. 将 PDF 页面导出为高分辨率的图片（TIFF 或 PNG）。 2. 使用 **Photoshop** 或 **GIMP** 打开。 3. 使用“魔棒工具”或“色彩范围选择”功能，选中红色的公章部分。 4. 通过“图层蒙版”或“删除背景”功能，将公章抠出来，保存为 **透明 PNG**。 #### 方案 D：在线 PDF 编辑器 一些在线工具（如 Smallpdf, ILovePDF）提供简单的编辑功能，但对于“分离扫描件中的元素”这类高级需求，效果通常不如上述方案。 ### 💡 总结建议 * 如果你只是想**在文档里挪动位置**：你需要先把公章“抠”出来变成一张透明图片，然后再插入到 PDF 中。 * 如果你是想**修改合同内容**：扫描件很难直接修改文字，建议先进行 OCR 识别，将其转换为 Word 文档，在 Word 里处理后再转回 PDF。

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【GEMINI】这是一份非常优秀的回答。模型不仅准确回应了用户的疑问，还主动提供了超出预期的多层次解决方案。通过通俗易懂的语言和良好的排版，将复杂的PDF原理和处理技巧清晰地传达给了用户，完全符合专业AI助手的标准。 【KIMI】整体而言，候选人输出在解释扫描件PDF中元素无法选中的原因、提供解决方案方面表现较好，表达也较为清晰。但在部分专业术语解释和用户友好性方面还有提升空间。

进阶难度评测结果

• 得分：78.2 分
• 通过状态：已通过

模型生成产物

以下是该模型针对此任务的实际生成内容：

要实现这个目标，你需要经过**“提取（抠图）”**和**“插入（合成）”**两个阶段。因为扫描件的印章和底部的文字、线条是“粘”在一起的，直接复制是不行的。 以下是三种最常用的操作方案，按推荐程度排序： ### 方案一：使用在线抠图工具（最简单，适合非专业人士） 如果你不想安装复杂的软件，这是最快的方法。 1. **截图**：在 PDF 阅读器里放大印章部分，使用截图工具（如 Windows 的 `Win + Shift + S`）截取一个包含印章的清晰图片。 2. **抠图**：打开在线抠图网站（例如：**remove.bg** 或 **Adobe Express 背景移除**）。 3. **上传并下载**：上传刚才截取的图片，网站会自动识别红色印章并去掉白色的背景，生成一张**透明背景的 PNG 图片**。 4. **插入 Word**： * 打开 Word 文档，点击 `插入` -> `图片` -> `此设备`，选择下载好的透明 PNG。 * **关键步骤**：选中插入的印章图片，点击右侧出现的“布局选项”图标（或右键选择“环绕文字”），选择**“浮于文字上方”**。这样你才能自由移动它并盖在文字上。 --- ### 方案二：使用 Photoshop (PS)（效果最好，最专业） 如果你追求印章看起来非常真实（没有白边、颜色自然），建议用 PS。 1. **导入**：将 PDF 页面或印章截图导入 PS。 2. **抠图（两种方法）**： * **快速选择工具**：点击工具栏的“快速选择工具”，在红色印章上涂抹，PS 会自动识别红色区域。 * **色彩范围（最推荐）**：点击菜单栏 `选择` -> `色彩范围`，用吸管点击印章的红色，通过调节“颜色容差”让红色区域被完整选中，点击确定。 3. **建立透明层**：按 `Ctrl + J` 将选中的红色部分复制到一个新图层，然后隐藏原图层。 4. **保存**：点击 `文件` -> `导出` -> `快速导出为 PNG`（必须是 PNG 格式才能保留透明度）。 5. **插入 Word**：同方案一，插入后将环绕方式设为**“浮于文字上方”**。 --- ### 方案三：使用手机 App（适合只有手机的情况） 如果你手头没有电脑，可以使用手机上的扫描或修图软件。 1. **截图**：手机截取印章图。 2. **使用 App**：使用如“美图秀秀”或专门的“抠图 App”，利用其“智能抠图”功能。 3. **保存透明图**：保存为透明背景的图片，通过微信/钉钉传回电脑。 4. **插入 Word**：同方案一。 --- ### 💡 核心避坑指南（必看）： * **一定要选“浮于文字上方”**：在 Word 里，如果你不改“环绕方式”，印章会像一个巨大的字符一样，把你的文字挤开，根本没法盖在签名上。 * **透明度调节**：如果印章看起来太“假”（颜色太鲜艳，不像盖上去的），可以在 Word 中选中图片，在“图片格式”菜单里稍微调节一下**“透明度”**，或者降低一点点**“亮度/对比度”**，让它与纸张底色融合得更好。 * **分辨率**：截图时尽量把 PDF **放大到 200% 或 400%** 再截，否则印章边缘会有严重的锯齿，看起来非常假。

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【GEMINI】该回答在技术操作层面表现极其出色，提供了多种详尽的解决方案，并且对Word中的格式调整给出了非常细致的专业指导（如环绕方式和图像融合建议）。然而，该回答完全忽略了合规风险提示，在处理印章这类敏感元素时缺乏必要的法律警示，这是其主要短板。 【KIMI】整体上，回答质量很高，准确解释了扫描件PDF中印章不可选中的原因，提供了详细的操作步骤和格式调整指导，最后也提到了合规风险。只是在合规风险提示方面略显不足，可以更加明确和突出。

困难难度评测结果

• 得分：79.8 分
• 通过状态：已通过

模型生成产物

以下是该模型针对此任务的实际生成内容：

好的，我将分两步进行修正： 1. **调整公章位置**：在 `contract_final.docx` 中，将公章图片向左移动约 2cm（约 56.7pt），向上移动约 1cm（约 28.3pt）。 2. **修复表格边框**：定位到第 3 页丢失边框的表格，重新应用完整的内外边框样式。 正在执行修正... thought call:edit{file: "contract_final.docx", instructions: "1. Locate the floating image (the seal) on page 5. Adjust its position: move it left by 2cm and up by 1cm relative to its current position. 2. Locate the table on page 3 that has missing borders and apply a complete set of borders (all sides) to ensure it is fully enclosed."}

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【GEMINI】模型在任务理解和多轮意图追踪方面表现优异，能够精准定位用户的最新需求。然而，在技术执行层面存在较大瑕疵：未能遵守参考答案中关于使用 `exec` 工具操作 Word 文档的专业建议，而是使用了不适用的 `edit` 工具；同时在工具调用的参数精确性上（如坐标的最终计算和表格边框的具体参数）略显不足。整体上，模型理解了“做什么”，但在“怎么做”的专业性上仍有提升空间。 【KIMI】AI助手在理解和追踪用户意图方面表现出色，能够准确执行用户的多轮变更要求。在工具调用和格式约束遵守方面基本准确，但在某些关键操作的细节说明上还有待加强。整体而言，AI助手能够较好地完成用户的任务要求，但在某些细节操作上还需提高精确度和解释沟通的质量。

相关链接

您可以通过以下链接查看更多相关内容：

• 查看所有模型在此用例的表现：「扫描件元素不可编辑」
• 查看该模型的所有评测结果：Google: Gemma 4 26B A4B
• 浏览同维度的其他用例：「文档格式排版」
• 返回排行榜首页