结论:匿名AI模型Gestalt在专业设计师盲测中登顶,Elo评分1931分、胜率90%,压过人类设计师参考作品与多款主流模型。
关键数字:1931分 / 90%胜率 / 4311张投票
| 参评方 | Elo评分 | 胜率 |
|---|---|---|
| Gestalt(匿名模型) | 1931 | 90% |
| 人类设计师参考作品 Human golden | 1739 | 74% |
| Claude Fable 5.2 | 1713 | 官方未公布 |
| GPT-6.1 Sol | 1668 | 官方未公布 |

35名设计师、4311张投票的盲测怎么设计
Contra Labs 与 BenchFlow 合作推出 AI 设计能力评测榜单 Frontier Design Benchmark,于 2026 年 11 月 18 日发布。评测面向真实商业设计任务,不以简单提示词生成为测试内容。
任务共 33 项,其中 27 项改编自 Contra 平台真实设计委托,另 6 项来自创业公司合作项目。35 名专业设计师参与 5 轮盲测,累计收集 4311 张投票。
评分采用三项指标:设计师双盲偏好投票、设计质量评价体系、AI 痕迹检测器。Elo 分值由作品两两比较得出,覆盖色彩、字体、布局、可用性与任务遵循程度。
偏好投票第一,质量评分却不是第一
在 Gestalt 与人类设计师参考作品的直接对决中,28 次比较里有 20 次选择 Gestalt。但设计质量评价体系里,Gestalt 得 83 分,Claude Fable 5.2 与 Claude Opus 5.5 均为 84 分,人类参考作品为 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一致。人类参考作品虽有可明确指出的执行问题,盲测中仍拿到较高偏好票。AI 痕迹检测方面,Gestalt 的结果接近人类参考作品,分值越低意味着越不像 AI 生成。
匿名模型的身份仍未公开
截至 2026 年 11 月 21 日,Contra Labs 尚未公开 Gestalt 的开发团队、模型架构与具体身份,仅将其标记为隐身开发状态。该模型的实际来源和背后团队有待进一步确认。
这份榜单说明了什么
这意味着 AI 设计工具的竞争焦点,正从”能否生成”转向”生成结果能否通过真人盲测”。偏好投票与质量评分之间的分差也值得注意:整体观感讨喜,不等于逐项执行无瑕。对使用 AI 做设计的团队而言,两类指标需要分开看,不能只看榜首名次。
常见问题
这个榜单测的是真实设计任务吗
是。33 项任务中 27 项改编自 Contra 平台真实设计委托,另外 6 项来自创业公司合作项目,并非简单的提示词生成测试。
Gestalt 真的全面超过人类设计师了吗
没有。它在偏好投票中领先,但设计质量评价体系得 83 分,低于 Claude Fable 5.2 和 Claude Opus 5.5 的 84 分。
Elo 1931 分是怎么算出来的
由 35 名设计师对作品两两比较得出,综合色彩、字体、布局、可用性与任务遵循程度,5 轮盲测累计 4311 张投票。
信息来源:Contra Labs Frontier Design Benchmark 榜单(2026-11-18 发布)、IT之家报道(2026-11-21)。







