90% 胜率 · 1,931 Elo
双盲偏好大幅领先
在 4,311 次专业设计师双盲投票中,Gestalt 领先人类参考设计 +192 Elo,同时大幅领先 Claude Fable 5.2(+218 Elo)与 GPT-6.1 Sol(+263 Elo)。
| 排名 | 参评对象 | Elo | 分差 | 胜率 | 95% 置信区间 |
|---|---|---|---|---|---|
| #1 | Gestalt (stealth) | 1,931 | 榜首 | 90% | 86–92% |
| #2 | 人类设计师 | 1,739 | -192 | 74% | 71–78% |
| #3 | Claude Fable 5.2 | 1,713 | -218 | 73% | 69–76% |
| #4 | Claude Opus 5.5 | 1,691 | -240 | 73% | — |
| #5 | GPT-6.1 Sol | 1,668 | -263 | 70% | 66–74% |
| #6 | Claude Sonnet 5.5 | 1,667 | -264 | 69% | 65–73% |
| #7 | Kimi K3.1 Pro | 1,663 | -268 | 71% | 66–74% |
| #8 | GPT-6 Astra | 1,638 | -293 | 66% | 61–70% |
2026 年 11 月 18 日研究报告记录 Gestalt 为 1,928 Elo;上表为 2026 年 11 月 21 日核验的前 8 名在线榜单数据。胜率指各参评对象在全部盲投对比中的总胜率。 研究报告
90% 胜率 · 1,931 Elo
在 4,311 次专业设计师双盲投票中,Gestalt 领先人类参考设计 +192 Elo,同时大幅领先 Claude Fable 5.2(+218 Elo)与 GPT-6.1 Sol(+263 Elo)。
83 分 · 相关性 r = 0.94
在涵盖结构、视觉工艺、内容与可用性的 35 项细则上,Gestalt(83)与 Claude Fable 5.2 / Opus 5.5(84)接近且高于人类参考(74),并在整页审美偏好上拉开明显差距。
Slop Detector · 0–100
评测内置的 Slop Detector 专门量化重复卡片网格、刻板排版和生硬留白等 AI 套路特征;Gestalt 落在接近人类参考作品的低分区间。
Frontier Design Benchmark 不使用简单提示词,而是采用 33 个真实商业需求——其中 27 个改编自 Contra 真实客户外包项目、6 个来自初创合作方——由 35 位中位经验 8 年以上的专业设计师进行双盲评审。
在 Frontier Design Benchmark 中,Gestalt 面向完整商业设计 brief 进行评测,覆盖营销网站、落地页、Web 应用与移动端界面四类真实场景,均包含品牌素材与多区块页面要求。
在 2026 年 11 月 21 日在线榜单中,Gestalt 为 1,931 Elo(胜率 90%,95% 置信区间 86–92%),领先人类参考设计(1,739 Elo,74%)、Claude Fable 5.2(1,713 Elo,73%)、Claude Opus 5.5(1,691 Elo,73%)与 GPT-6.1 Sol(1,668 Elo,70%)。
Design Critique Rubric 从结构、视觉工艺、内容和可用性四个方向拆解 35 项细则,与专家偏好相关性达 r = 0.94;Slop Detector 以 0–100 分衡量通用卡片网格和刻板排版等“AI 味”特征,Gestalt 表现接近人类参考。
Contra Labs 在官方评测作品库(contralabs.com/frontierdesign/gallery)公开展示了各模型的真实输出页面。该模型目前处于匿名测试阶段,暂未开放公开 API。