Gestalt AI 模型概览与榜单成绩
最后更新:
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。
前 8 名榜单对比
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。
与常规代码生成评测不同,Frontier Design Benchmark 考察的是完整商业界面设计能力,涵盖版式层级、视觉工艺以及对品牌约束的落实。
| 排名 | 参评对象 | Elo(2026-11-21) | 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% |
设计表现:量表评分与盲测胜率对比
在 35 维 Design Critique Rubric(与专家偏好相关性达 r = 0.94)上,Claude Fable 5.2 与 Claude Opus 5.5 得分为 84,Gestalt 为 83,人类参考设计为 74。
尽管几款头部模型在单点规范得分上相近,但 Gestalt 在双盲投票中仍领先 Claude Fable 5.2 +218 Elo,并在 Slop Detector(0–100)中处于接近人类参考的低分区间,说明其核心优势体现在整页视觉组织与极低的模板化痕迹。
作品查看入口与当前阶段
所有参评模型针对真实商业 brief 生成的网页成品,均可在 Contra Labs 官方评测作品库(contralabs.com/frontierdesign/gallery)直接并排查看。
Gestalt 目前以匿名测试模型身份参与评测,尚未公布公开 API 或发布时间。
常见问题
Gestalt AI 在 Frontier Design Benchmark 上领先幅度有多大?
Gestalt 以 1,931 Elo(胜率 90%,95% 置信区间 86–92%)排名第一,领先人类参考设计 +192 Elo,领先 Claude Fable 5.2 +218 Elo,领先 GPT-6.1 Sol +263 Elo。
为什么量表分数相近,但 Gestalt 的盲测胜率高这么多?
头部模型在 35 维规范检查中均能拿到 83–84 分,但 Gestalt 的输出在整页视觉层级、留白节奏与低“AI 味”方面更接近优秀人类作品,因此在双盲对比中胜率达到 90%。
在哪里可以看到 Gestalt 生成的真实页面?
可以在 Contra Labs 官方评测作品库(contralabs.com/frontierdesign/gallery)直接浏览并对比各参评对象的输出。
Gestalt AI
模型概览