匿名 AI 模型 Gestalt 登頂 Contra 前沿設計榜單:性能遠超 Claude Fable 5.2、GPT-6.1 Sol,Elo 評分超越人類參考作品
IT之家 11 月 21 日消息,Contra Labs 於當地時間 11 月 18 日發佈 AI 設計能力評測榜單 Frontier Design Benchmark。其中,一款代號爲 Gestalt、目前處於隱身開發狀態(Stealth)的匿名 AI 模型成爲最大黑馬,在專業設計師盲測中以明顯優勢登頂,超過 Anthropic 的 Claude Fable 5.2、OpenAI 的 GPT-6.1 Sol 等主流模型,甚至在設計師偏好評分中超過了人類設計師的參考作品。根據 Contra Labs 官方公佈的評測結果,Gestalt 的 Elo 評分達到 1931 分,勝率爲 90%,位居榜單第一。排名第二的是人類設計師參考作品 Human golden,Elo 評分爲 1739 分,勝率爲 74%;Claude Fable 5.2 以 1713 分排名第三,GPT-6.1 Sol 則以 1668 分排名第五。這項評測由 Contra Labs 與 BenchFlow 合作推出,主要針對真實商業設計任務,而非簡單的提示詞生成測試。評測任務共 33 項,其中 27 項改編自 Contra 平臺上的真實設計委託,另外 6 項來自創業公司合作項目。評測邀請了 35 名專業設計師參與,通過 5 輪盲測累計收集 4311 張投票。評測採用三項指標:專業設計師雙盲偏好投票、設計質量評價體系(Design Critique Rubric),以及 AI 痕跡檢測器(Slop Detector)。其中,Elo 評分根據設計師對不同作品的兩兩比較結果計算,涵蓋色彩、字體、佈局、可用性以及對任務要求的遵循程度。在 Gestalt 與人類設計師參考作品的直接對決中,設計師在 28 次比較中有 20 次選擇了 Gestalt。不過,這並不意味着 Gestalt 在所有設計質量指標上都全面超越人類作品。在設計質量評價體系中,Gestalt 得分爲 83 分,Claude Fable 5.2 和 Claude Opus 5.5 均達到 84 分,而人類設計師參考作品爲 74 分。Contra Labs 指出,設計師的審美偏好與具體執行質量並不完全相同,人類參考作品雖然存在部分可以明確指出的執行問題,但在盲測中仍獲得了較高的偏好票數。AI 痕跡檢測方面,Gestalt 的作品也表現突出,其生成結果的 AI 痕跡評分接近人類參考作品。該檢測器通過分類模型判斷設計作品呈現出多少 AI 生成作品的典型特徵,評分越低意味着作品看起來越不像 AI 生成。目前 Contra Labs 尚未公開 Gestalt 的開發團隊、模型架構及具體身份,僅將其標記爲 Stealth。該模型的實際來源和背後團隊仍有待進一步確認。相關閱讀:《全球最強 AI 模型:Claude Fable 5.2 登場,編程超 GPT-6 Astra、登頂多項基準》