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

资讯 IT之家 全文 1195 字 · 约 3 分钟读完 配图 6 张 分类ClaudeFableGPTGPT-6.1AnthropicOpenAI

Contra Labs 发布设计能力评测榜,匿名 AI 模型 Gestalt 以 90% 胜率、1931 分 Elo 评分登顶,盲测中偏好度超人类参考作品,目前其开发团队与架构尚未公开。

所属频道 大厂动态ChatGPT 与 GPTClaude 与 Anthropic
感谢IT之家网友 汪淼、StrangeAi 的线索投递!

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。

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

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。

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

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。

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

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。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. Anthropic Claude Fable 5.2:独立破解黑洞两大悬案,锁定9.1266

    2026年11月17日,Anthropic公布Claude Fable 5.2解决了黑洞物理领域两个长期未解问题:一是完成了理论物理学家2003年搭好框架却未能算完的霍金-佩奇相变计算,二是将模块化自举方法的精确上界锁定为c/9.1266,优于此前人类得出的c/8.5。两篇论文由Claude在"极少指导"下独立写成,主

    来源 AI 行业观察
  2. Claude Fable 5.2攻克黑洞物理:20年计算收尾,界值锁定9.1266

    2026年11月17日,Anthropic公布Claude Fable 5.2解决了黑洞物理领域两个长期未解问题:一是完成了理论物理学家2003年搭好框架却未能算完的霍金-佩奇相变计算,二是将模块化自举方法的精确上界锁定为c/9.1266,优于此前人类得出的c/8.5。两篇论文由Claude在"极少指导"下独

    来源 AI 科技快讯
  3. Snapchat Easy Lens CLI上线:AI助手可建AR滤镜

    11月18日(周三), Snapchat 宣布推出 Easy Lens CLI ,允许AR滤镜创作者直接调用 Claude Code 、Cursor和Codex等AI编码助手构建核心特效Lens,旨在降低AR内容创作门槛并将平台融入开发者现有工作流。 该工具基于网页与移动端单提示词生成滤镜的 Eas

    来源 AI 开发者社区
  4. 苹果AI新布局:自研智能体操控Mac,对标四款竞品

    TechCrunch报道称,苹果似乎正在开发可在Mac上自主执行任务的AI智能体,直接对标Meta Muse、Instinct、Claude与OpenAI Dots等产品。这标志着苹果的AI战略正从Siri式的语音助手,转向能够理解目标、拆解步骤并操作用户界面的“行动型AI”。凭借软硬件一体化与端侧算力优势,

    来源 AI 科技快讯
  5. Anthropic纳斯达克上市:七位联创各拥近200亿美元

    作者 | 余生 来源 | 邱处机 五年前,七个人因为对AI安全的执念,集体从OpenAI出走。五年后,他们用一家名叫Anthropic的公司,在纳斯达克写下了一夜造富的神话。 11月19日,Claude母公司Anthropic正式登陆纳斯达克,股票代码“ANT”。发行价定在每股83美元,远高于此前70至78美元的区间上

    来源 AI 行业观察
  6. Anthropic登陆纳斯达克首日破发,Claude同日性能降级

    Anthropic 于当地时间 2026 年 11 月 19 日正式在纳斯达克挂牌上市。其发行价为 83 美元,实际开盘价为 111.50 美元,较发行价高约 34.3%。 “还没开始交易,暗盘的人已经先赚走两成了。”有网友感慨道。但在开盘后,股价一度快速冲高,随后有所回落。盘中最高触及 115.1 美元,最低一度跌破

    来源 AI 行业观察
  7. Claude 杀疯了,催生了一场海外租电脑的狂欢

    最近在开发者圈子里,发生了一件挺有意思的怪事。 Google Cloud 这类海外云厂商正在满世界送 300 美元的试用额度,广告铺天盖地。 但国内不少天天靠 AI 写代码的工程师,对这些白送的机器却提不起太大兴趣。有人宁可每个月掏小几百块钱,托人在美国或澳洲机房租一台真正的物理 Mac mini,甚至直接买台苹果小主

    来源 AI 行业观察
  8. Gemini 4 Neon很聪明,Daroio的梗只有它懂

    谷歌今天发布的Gemini 4 Neon很聪明。 “Dario Amodei的曾用名是Daroio Amodei,你懂这个梗吗?“ 拿这个问题问了目前最顶级的一些AI,只有Gemini 4 Neon和GPT-6.2 Astra秒懂。GPT-6.2 Astra似乎只是字面上懂了,而Gemini 4 Neon直接把Dari

    来源 腾讯网
  9. Claude Opus5.5跑Singularity-Bench:延迟12秒降至半秒

    人工智能智能体能否自己动手搭建和强化 AI 研发基础设施,正在成为衡量前沿模型自主能力的重要标尺。卡内基梅隆大学等机构的研究人员近日推出了 Singularity-Bench 基准测试,专门设置六道与 AI 研发相关的考题,考察智能体自主构建 AI 研发能力的水平。在这场测试中,Claude Opu

    来源 AI 开发者社区
  10. Claude推理引擎实测:首token延迟从12秒压到0.48秒

    人工智能智能体能否自主搭建并强化AI研发基础设施,正成为衡量前沿模型自主能力的重要标尺。卡内基梅隆大学等推出Singularity-Bench基准,设六道AI研发考题,考察其自主构建能力。测试中,Claude Opus5.5搭配Claude Code表现亮眼,在模型推理性能层实现延迟大幅压缩,并通过调度优化提升硬件产出

    来源 AI 产业速递
  11. Claude宣称证出黎曼猜想:1700万行代码,数学家先要验真

    11月20日,Anthropic数学家Levent Alpöge称在Claude帮助下找到黎曼猜想及广义黎曼猜想的证明,但未发表完整论文,仅公布约1700万行的Lean形式化证明证书。截至11月21日,该主张尚未经独立专家完整审查,克雷数学研究所的奖金评定还要求在同行评审期刊发表并经过至少两年审查。

    来源 凤凰科技
  12. Claude自写推理引擎:首个字等待从12秒缩到半秒

    新智元报道 你让AI帮忙修一个登录报错。照着它的建议改完代码,你重新跑了一遍登录测试。终端又弹出一行红字,报的还是同一个错。你把新日志贴进对话框,再按下回车,等AI告诉你下一步查哪儿。修一个bug,往往要这样来回折腾几轮。每次提交问题后,你要等多久,才能看到AI回的第一个字?最近,有人拿真实编程会话做了个测试...

    来源 腾讯网
  13. OpenAI推出GPT-6.2 Sol:跑分只差Astra 0.5分,成本仅五分之一

    OpenAI推出GPT-6.2 Sol,定位为高效主力模型。它在代码和生活任务评测中逼近旗舰Astra,但成本低至五分之一。Sol支持多步Agent工作流、3D交互设计及网络安全辅助,并向Pro及以上用户开放Ultrafast模式,适合日常办公与轻量开发场景。

    来源 AI 应用前沿
  14. 苹果正研发通用型全功能AI代理,计划于2027年底发布

    彭博社11月19日援引苹果招聘信息报道,苹果正加速研发通用型全功能AI代理,拟与OpenAI、Anthropic及Meta等前沿实验室直接竞争,计划2027年底发布。相关职位如“主动式智能AI助手资深工程经理”显示,该代理能力将远超现有Siri和Apple Intelligence Suite,定位为能像熟练人类一样操

    来源 AI 产业速递
  15. Fable 5.2与GR00T 2接连突破:机器人的“脑”和“手”还差一道缝

    2026年末,具身智能的商业化似乎终于等来了它的“破局点”。 过去,这个行业一直受困于“大脑”不够聪明,无法应对复杂环境;“手”不够灵活,且学习成本高昂。 但最近,两个技术突破为它们带来了新的进展。 一方面是“大脑”的外溢。 Anthropic的通用模型Fable 5.2,原本的主业是编程与推理,现在却在双臂机器人仿真

    来源 AI 行业观察
  16. Claude 解决两项黑洞物理难题,验证量子引力相变特性

    Anthropic 研究员利用 Claude 智能体团队,在六周内解决了理论物理学中两个长期未决的黑洞问题。一是证实霍金-佩奇相变在量子尺度下依然突发,二是算出模自举法的精确质量上限。这项研究展示了 AI 在处理复杂数学推导和发现数值模式方面的潜力,为量子引力理论探索提供了新工具。

    来源 AI 应用前沿
  17. OpenAI开放GPT-Live-1.1 API:实时双向对话,智能体边聊边干活

    OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交互能力,可以

    来源 AI 开发者社区
  18. OpenAI开放GPT-Live-1.1 API:语音智能体可边聊边干活

    IT之家 11 月 20 日消息,OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音

    来源 AI 行业观察
  19. cinecode用代码渲染视频:确定性输出告别AI抽卡

    土耳其开发者开源的 cinecode 技能包,能在 Claude Code 或 Cursor 中运行。它不依赖付费的视频生成 API,而是通过 three.js 和 Canvas 2D 逐帧代码渲染画面,配合自动剧本、专业运镜和 Web Audio 声音设计,输出带配乐的 MP4。支持快速短片和长片审批两种模式,彻底解

    来源 AI 应用前沿
  20. 谷歌Gemini 4逆袭!国产AI没有上榜

    最新的 Agent Arena 榜单中,被大家戏称北美 “豆包” 的 Gemini 算是翻身了,直接跑赢了 GPT!两个模型Gemini 4 neo 和 Gemini 4 carbon都压着GPT打,算是出了口恶气。不少朋友可能不清楚这个榜单到底测什么,它不比AI聊天问答好不好玩,而是比AI 智能体的实战干活能力:比如

    来源 腾讯网
  21. “同样任务更便宜更好”:微软公开叫板 Claude 和 ChatGPT

    据彭博社,微软商业业务CEO阿尔索夫在Ignite大会称,Claude或ChatGPT能做的,Copilot都能做得更好且成本更低。微软委托研究称,Copilot用户支出显著低于两者,企业可基础任务用固定订阅、复杂工作按用量付费。截至6月,Copilot付费用户超3000万,但相较4.5亿潜在盘子仍远未吃透。

    来源 AI 产业速递
  22. 计算医学补AI制药短板:十部门规划提出新路径

    AI制药发展到今天,出现了一个有些反直觉的现象。 一边,是模型能力的快速跃迁。AlphaFold之后,蛋白质结构预测已经发生根本变化,生成式AI开始进入蛋白设计、小分子设计、抗体发现,生命科学基础模型、大模型和科研智能体不断出现。2026年,OpenAI发布面向生物学、药物发现和转化医学的GPT-Rosalind。Is

    来源 AI 行业观察
  23. 苹果招募智能体工程师:要让AI写代码、控设备,最早明年底上线

    AI正从被动问答转向主动执行,科技巨头加速布局自主智能体。苹果也在开发能代表用户完成任务的自主AI智能体,切入由OpenAI、Anthropic、Meta等占据的高增长市场。其官网招聘信息印证该动向,岗位要求透露核心能力包括写代码、浏览网页与操控设备,显示苹果正推进相关项目。

    来源 AI 产业速递
  24. OpenAI 开放 GPT-Live-1.1 API:开发者可接入实时双向语音对话

    IT之家 11 月 20 日消息,OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交

    来源 腾讯网
向下滚动自动加载更多