Gestalt AIEnglish

Frontier Design Benchmark · 榜首模型

Gestalt AI

Gestalt 是一款面向真实商业网站与应用界面的 AI 设计模型。在 Contra Labs 与 BenchFlow 联合发布的 Frontier Design Benchmark 中,它在资深设计师双盲评测里位列第一。

Elo 评分
1,931
在线榜单第 1
盲投总胜率
90%
95% 置信区间 86–92%
领先人类基准
+192
领先 Claude Fable 5.2 +218
前 8 名榜单快照
排名参评对象Elo分差胜率95% 置信区间
#1Gestalt (stealth)1,931榜首90%86–92%
#2人类设计师1,739-19274%71–78%
#3Claude Fable 5.21,713-21873%69–76%
#4Claude Opus 5.51,691-24073%—
#5GPT-6.1 Sol1,668-26370%66–74%
#6Claude Sonnet 5.51,667-26469%65–73%
#7Kimi K3.1 Pro1,663-26871%66–74%
#8GPT-6 Astra1,638-29366%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

Gestalt AI 设计效果解析

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)。

83 分 · 相关性 r = 0.94

35 维设计评审量表

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

接近人类的低“AI 味”

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。

评测方法

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。

  • 营销网站
  • 落地页
  • Web 应用
  • 移动端界面
真实商业需求
33
资深设计师(8+ 年)
35
双盲总票数
4,311

常见问题

Gestalt AI 擅长哪类设计任务?

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。

Gestalt 与人类设计师、Claude Fable 5.2、GPT-6.1 Sol 的具体数据差距是多少?

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%)。

35 维 Rubric 和 Slop Detector 分别衡量什么?

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。

在哪里可以查看 Gestalt 生成的真实页面效果?

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。

原始资料