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: