跳到文章正文
大模型 编辑推荐

一个没露脸的 AI 模型 Gestalt 拿了设计榜第一:Elo 1931 分,比人类参考作品还高

35 名专业设计师五轮盲测,Gestalt 在 28 次人机直接对决中赢了 20 次。但它的开发…

一个没露脸的 AI 模型 Gestalt 拿了设计榜第一:Elo 1931 分,比人类参考作品还高

Contra Labs 在 11 月 18 日发布 AI 设计能力评测榜 Frontier Design Benchmark,最大的意外来自一个连名字都没公开的模型:代号 Gestalt,目前处于隐身开发状态。

在 35 名专业设计师参与的盲测里,Gestalt 的 Elo 评分达到 1931 分,胜率 90%,排在第一位。第二名是作为参照的人类设计师作品 Human golden,1739 分、胜率 74%;Anthropic 的 Claude Fable 5.2 以 1713 分排第三,OpenAI 的 GPT-6.1 Sol 以 1668 分排第五。

这项评测由 Contra Labs 与 BenchFlow 合作推出,考的不是“能不能生成好看的图”,而是真实商业设计任务。33 项任务中,27 项改编自 Contra 平台上的真实设计委托,另外 6 项来自创业公司合作项目;5 轮盲测累计收集了 4311 张投票。

评分看三样东西:专业设计师的双盲偏好投票、设计质量评价体系,以及 AI 痕迹检测器。Elo 分由设计师对作品两两比较得出,覆盖色彩、字体、布局、可用性,以及对任务要求的遵循程度。

有意思的是人机直接对决的数据:28 次比较里,设计师有 20 次选了 Gestalt。但在设计质量评价体系中,Gestalt 得分 83 分,Claude Fable 5.2 和 Claude Opus 5.5 都是 84 分,人类参考作品只有 74 分。评测方解释说,审美偏好和执行质量并不是一回事——人类作品存在一些可以明确指出的执行问题,盲测时照样拿到不少票。

AI 痕迹方面,Gestalt 生成结果的评分也接近人类参考作品。这个检测器用分类模型判断作品带多少 AI 生成特征,分数越低越不像 AI 做的。至于 Gestalt 背后的团队、模型架构和真实身份,Contra Labs 只标了一个 Stealth,其余一概没说。

本文地址:https://www.163264.com/22357