跳到正文
Hacker News· cheptsov·· 17 小时前AI 评分40

Contra Labs 设计基准榜出现两个匿名模型,排名均超过 Fable 5.2

Two stealth models just appeared on the leaderboard, both ahead of Fable 5.2

AI 导读

Contra Labs 的 Frontier Design Benchmark 排行榜上出现两个未具名模型,Elo 排名均高于 Claude Fable 5.2。该基准基于 33 个真实客户设计 brief、68 位专业设计师的 4,311 次盲投票,并配有 35 个维度的设计评审 rubric,rubric 评分与设计师评分的相关系数达 r = 0.94。

正文 · AI 翻译

首页

解构 真实世界创造力。

通过 Contra 市场上真实的客户需求简报、黄金设计和模型对比,探索 AI 设计能力的前沿。

© 2026 Contra Labs × BenchFlow

排行榜

前沿模型在 Contra 市场真实客户需求简报的盲测一对一投票中如何排名。

Contra Labs

前沿
设计基准

来自盲测一对一投票的 Elo 评分

  1. Gestalt
  2. 人类黄金设计
  3. Claude Fable 5.2
  4. Claude Opus 5.5
  5. GPT-6.1 Sol
  6. Claude Sonnet 5.5
  7. Kimi K3.1 Pro
  8. GPT-6 Astra
  9. Qwen3.8 Max
  10. Kimi K3
  11. GLM-5.3 Prime
  12. Gemini 4 Carbon
  13. Muse Spark 1.3
  14. Muse Wonder
  15. Grok 4.7
  16. Gemini 4 Argon
  17. DeepSeek V4 Pro

contralabs.com/frontierdesign

真实设计项目,由设计师评判并按评分标准打分

前沿设计基准是首个基于真实世界、高价值和复杂设计项目构建的基准。它由 Contra Labs 网络中的专业设计师评判,以确保评估质量。

在基准中,我们还构建了设计评审评分标准和一份 AI 敷衍模式清单。评分标准的分数与设计师对模型的评分高度相关(r = 0.94)。这些额外指标在成对偏好之外提供了可解释的设计质量判断。

33
设计需求简报
68
专业设计师
4,311
盲测投票
35
评分标准维度

黄金画廊

真实客户需求简报,每份都配有黄金设计:与模型输出并列作为标杆的设计集。

查看全部

登录联系我们

来源:Hacker News · contralabs.com