ITBEAR科技资讯
网站首页 科技资讯 财经资讯 分享好友

匿名模型Gestalt设计盲测排名第一 Elo达1931

时间:2026-11-21 08:41:32来源:互联网编辑:快讯

11月21日消息,Contra Labs 在当地时间11月18日推出AI设计能力评测榜单Frontier Design Benchmark。榜单中,一个代号为Gestalt、仍处于隐身开发状态(Stealth)的匿名模型受到关注。

在专业设计师参与的盲测里,Gestalt以明显优势排在首位,成绩超过Anthropic的Claude Fable 5.2和OpenAI的GPT-6.1 Sol。在设计师偏好评分环节,它的表现也高于人类设计师参考作品。

从官方结果看,Gestalt的Elo评分为1931分,胜率90%,位列第一。人类设计师参考作品Human golden以1739分排在第二,胜率为74%;Claude Fable 5.2以1713分排名第三;GPT-6.1 Sol以1668分排名第五。

该评测由Contra Labs与BenchFlow合作推出,重点考察真实商业设计任务,而非只做简单的提示词生成测试。33项评测任务中,27项改编自Contra平台真实设计委托,另外6项来自创业公司合作项目。35名专业设计师参与了5轮盲测,累计收到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。Elo评分来自设计师对不同作品的两两比较,涉及色彩、字体、布局、可用性和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比较中,28次对比有20次选择了Gestalt。不过,这并不表示Gestalt在所有设计质量指标上都超过人类作品。

设计质量评价体系里,Gestalt得分为83分,Claude Fable 5.2和Claude Opus 5.5均为84分,人类设计师参考作品为74分。Contra Labs表示,设计师的审美偏好和具体执行质量并不完全一致,人类参考作品虽有部分执行问题可被指出,但在盲测中仍拿到较多偏好票。

AI痕迹检测方面,Gestalt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带有多少AI生成典型特征,分数越低,意味着越不像AI生成。

截至当前,Contra Labs未公开Gestalt的开发团队、模型架构和具体身份,仅将其标记为Stealth。该模型的实际来源及背后团队仍待确认。

更多热门内容
谷歌桌面搜索改版 首页侧栏可接续AI提问
斯坦指出本次改进的重点是让搜索具备更强的连续性,根据内部调查数据显示,用户在搜索页面带来了越来越多无法通过一次查询解决的问题,而侧边栏有助于他们继续推进任务、深入探索网络信息。 IT之家目前尝试访问谷歌搜索…

2026-11-21

近20家运营商已把AI模型嵌入无线接入网内部
诺基亚与英伟达联合披露,全球已有近20家电信运营商在5G网络中原生运行人工智能能力。边缘侧的计算资源有限,运营商需要在模型效果与能耗之间反复权衡,往往要针对不同场景部署多个轻量化版本,而非依赖单一大模型。对…

2026-11-21

德国能源企业联合机器人公司试点电网人形机器人
此次合作将聚焦于利用智能机器人对能源基础设施(包括变电站)进行巡检与监测,并协助工作人员完成体力消耗大、重复性高或存在潜在危险的任务。enviaM集团首席执行官Stephan Lowis表示:"人形机器人…

2026-11-21