匿名 AI 模型 Gestalt 登顶 Contra 前沿设计榜单:性能远超 Claude Fable 5.2、GPT-6.1 Sol,Elo 评分超越人类参考作品利好

2026-11-21 08:17:16
来源:IT之家
分享
AIME

问财摘要

1、Contra Labs发布AI设计能力评测榜单Frontier Design Benchmark,匿名AI模型Gestalt在专业设计师盲测中以明显优势登顶,Elo评分达到1931分,胜率为90%,超过了Anthropic的Claude Fable5.2、OpenAI的GPT-6.1Sol等主流模型,甚至在设计师偏好评分中超过了人类设计师的参考作品。 2、评测采用三项指标:专业设计师双盲偏好投票、设计质量评价体系(Design Critique Rubric),以及AI痕迹检测器(Slop Detector)。Gestalt在设计质量评价体系中得分为83分,在AI痕迹检测方面表现突出,其生成结果的AI痕迹评分接近人类参考作品。
文章提及标的
Frontier--
Benchmark--
Anthropic--
查看股票机会下载客户端

IT之家11月21日消息,Contra Labs于当地时间11月18日发布AI设计能力评测榜单Frontier(FNUC) Design Benchmark(BHE)。

其中,一款代号为Gestalt、目前处于隐身开发状态(Stealth)的匿名AI模型成为最大黑马,在专业设计师盲测中以明显优势登顶,超过Anthropic(ANT)的Claude Fable5.2、OpenAI的GPT-6.1Sol等主流模型,甚至在设计师偏好评分中超过了人类设计师的参考作品。

根据Contra Labs官方公布的评测结果,Gestalt的Elo评分达到1931分,胜率为90%,位居榜单第一。

排名第二的是人类设计师参考作品Human golden,Elo评分为1739分,胜率为74%;Claude Fable5.2以1713分排名第三,GPT-6.1Sol则以1668分排名第五。

这项评测由Contra Labs与BenchFlow合作推出,主要针对真实商业设计任务,而非简单的提示词生成测试。评测任务共33项,其中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。评测邀请了35名专业设计师参与,通过5轮盲测累计收集4311张投票。

评测采用三项指标:专业设计师双盲偏好投票、设计质量评价体系(Design Critique Rubric),以及AI痕迹检测器(Slop Detector)。其中,Elo评分根据设计师对不同作品的两两比较结果计算,涵盖色彩、字体、布局、可用性以及对任务要求的遵循程度。

在 Gestalt与人类设计师参考作品的直接对决中,设计师在28次比较中有20次选择了Gestalt。不过,这并不意味着Gestalt在所有设计质量指标上都全面超越人类作品。

在设计质量评价体系中,Gestalt得分为83分,Claude Fable5.2和Claude Opus5.5均达到84分,而人类设计师参考作品为74分。Contra Labs指出,设计师的审美偏好与具体执行质量并不完全相同,人类参考作品虽然存在部分可以明确指出的执行问题,但在盲测中仍获得了较高的偏好票数。

AI痕迹检测方面,Gestalt的作品也表现突出,其生成结果的AI痕迹评分接近人类参考作品。该检测器通过分类模型判断设计作品呈现出多少AI生成作品的典型特征,评分越低意味着作品看起来越不像AI生成。

目前Contra Labs尚未公开Gestalt的开发团队、模型架构及具体身份,仅将其标记为Stealth。该模型的实际来源和背后团队仍有待进一步确认。

免责声明:风险提示:本文内容仅供参考,不代表同花顺观点。同花顺各类信息服务基于人工智能算法,如有出入请以证监会指定上市公司信息披露平台为准。如有投资者据此操作,风险自担,同花顺对此不承担任何责任。
homeBack返回首页
不良信息举报与个人信息保护咨询专线:10100571违法和不良信息涉企侵权举报涉算法推荐举报专区涉青少年不良信息举报专区

浙江同花顺互联信息技术有限公司版权所有

网站备案号:浙ICP备18032105号
证券投资咨询服务提供:浙江同花顺云软件有限公司 (中国证监会核发证书编号:ZX0050)
AIME