匿名模型 Gestalt 登顶 Contra 前沿设计评测,Elo 超人类参考作品
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
一款没露面的神秘模型在设计盲测里把人类作品和 Claude Fable 5.2 都比下去了,28 次直接对决赢了 20 次。做设计工具或关注 AI 落地商业设计的人值得看看这份榜单细节,偏好分和质量分的差异也很有意思。
Contra Labs 于 11 月 18 日联合 BenchFlow 发布 Frontier Design Benchmark 设计能力评测榜单,一款处于隐身开发状态的匿名模型 Gestalt 以 Elo 1931 分、90% 胜率登顶,超过 Anthropic 的 Claude Fable 5.2(1713 分)和 OpenAI 的 GPT-6.1 Sol(1668 分),甚至超过人类设计师参考作品 Human golden 的 1739 分。
评测共设 33 项真实商业设计任务,其中 27 项改编自 Contra 平台真实委托,6 项来自创业公司合作项目。35 名专业设计师通过 5 轮盲测累计投出 4311 票,指标包括双盲偏好投票、Design Critique Rubric 质量评价和 Slop Detector AI 痕迹检测。在 Gestalt 与人类参考作品的直接对决中,设计师在 28 次比较中 20 次选择了 Gestalt。
不过偏好并非等于执行质量:在 Design Critique Rubric 上,Gestalt 得分 83 分,Claude Fable 5.2 与 Claude Opus 5.5 均为 84 分,人类参考作品为 74 分。Contra Labs 目前未公开 Gestalt 的开发团队与模型架构,仅标记为 Stealth,其真实身份仍待确认。
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
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 Design Benchmark。 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 的 Claude Fable 5.2、OpenAI 的 GPT-6.1 Sol 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 Fable 5.2 以 1713 分排名第三,GPT-6.1 Sol 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 Fable 5.2 和 Claude Opus 5.5 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。 相关阅读: 《 全球最强 AI 模型:Claude Fable 5.2 登场,编程超 GPT-6 Astra、登顶多项基准 》
本条情报归属 AITOP「模型」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「中美大模型技术代差与商业化对照」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:Gestalt、Claude、GPT-6.1 Sol、Contra Labs,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明:本文原始线索采编自「IT之家」,经 AITOP 多维评分管线结构化提炼。