Contra Labs于当地时间11月18日发布AI设计能力评测榜单Frontier Design Benchmark,一款代号为Gestalt、目前处于隐身开发状态的匿名模型成为榜单最大变量:在专业设计师盲测中,它以明显优势位列第一,排名高于Anthropic的Claude Fable 5.2与OpenAI的GPT-6.1 Sol等主流模型。
从官方公布的评分看,Gestalt的Elo达到1931分,胜率90%。人类设计师参考作品Human golden以1739分、74%胜率位居第二,Claude Fable 5.2以1713分排名第三,GPT-6.1 Sol以1668分位列第五。这意味着Gestalt不仅在模型对比中领先,在设计师偏好评分上也超过了人类参考作品。
该榜单由Contra Labs与BenchFlow合作推出,评测对象是真实商业设计任务,而非简单的提示词生成测试。33项任务中,27项改编自Contra平台上的真实设计委托,其余6项来自创业公司合作项目;35名专业设计师参与,经5轮盲测累计收集4311张投票。评测采用专业设计师双盲偏好投票与设计质量评价体系等三项指标。
对AI行业而言,这一结果的价值在于评测方法本身:以真实委托任务和高频盲测投票衡量设计能力,使模型排名更贴近商业场景。而Gestalt以匿名隐身状态登顶,也让外界对其开发方与后续进展保持关注。
本文由新大陆基于公开信息编辑整理
信息来源:IT之家 IT之家 ↗