×
In

根據研究機構康特實驗室(Contra Labs)於 11 月 18 日當地時間發布的最新資料指出,在該機構與班奇佛(BenchFlow)合作推出的前沿設計基準(Frontier Design Benchmark)盲測中,一個代號為「葛斯塔(Gestalt)」的匿名的 AI 模組在 35 位專業設計師的盲測評比中拿下 1,931 分的 Elo 分數,勝率高達 90%。這項針對真實商業設計任務所設計的權威評測,共吸引了來自 Contra 平台與新創合作專案的 33 項任務、累積 4,311 次投票,其數據表現引發業界高度關注。

盲測數據發現:匿名 AI 模型擊敗人類基準

根據康特實驗室(Contra Labs)公布的評測數據顯示,在參與評比的眾多項目中,神祕 AI 模型 Gestalt 以 1,931 分的 Elo 分數與 90% 的勝率高居排行榜第一名;排在第二位的是人類設計師參考作品,獲得 1,739 分與 74% 勝率;Anthropic 的克勞德神話 5.2 版(Claude Fable 5.2)則以 1,713 分位居第三,而 OpenAI 的 GPT-6.1 索爾(GPT-6.1 Sol)則取得 1,668 分。在兩兩對決的數據中,設計師在 28 次對比中有 20 次選擇了 Gestalt,顯示其在整體視覺印象上獲得極高的偏好投票。

數據解讀意義:偏好投票與執行品質的落差

不過,數據同時顯示偏好投票與實際執行品質之間存在微妙落差。根據設計評分量表(Design Critique Rubric)的統計數據,Gestalt 得到 83 分,而 Claude Fable 5.2 與 Claude 克勞德歐普斯 5.5 版(Claude Opus 5.5)皆達到 84 分,人類設計師參考作品則為 74 分。康特實驗室(Contra Labs)指出,人類作品雖然在細節執行上有較明顯的問題,卻依然在盲測中贏得較高的偏好票數,這證明了主觀的整體視覺喜好與逐項細節審查屬於兩個不同的評估維度。

從產業面來看,商業設計過去被認為是生成式 AI 最難完全取代人類專業判斷的領域之一,畢竟它涉及品牌調性與受眾定位。然而,從這次康特實驗室(Contra Labs)的盲測數據來看,匿名模型在偏好層面已經能與人類專業工作正面對決。如果往後推演,這不僅會對設計服務市場的訂價系統與人力結構造成實質壓力,也意味著非頂尖大廠的隱匿團隊同樣具備推進模型極限的實力,未來的市場競爭格局將更加詭譎多變。

產業影響:AI 檢測與商業交付的全新挑戰

在人工智慧檢測指標(Slop Detector)的數據表現上,Gestalt 的 AI 痕跡評分非常接近人類參考作品。該檢測器透過分類模型來判斷設計中包含多少典型 AI 生成特徵,分數越低代表越不像是人工智慧生成的作品。在實際的商業設計情境中,這項數據的意義在於判斷作品能否直接交付給客戶,而不僅僅是視覺上看起來精美。隨著這類神祕模組的出現,設計產業的標準與交付流程勢必將面臨新一波的技術衝擊。

數據背後的啟示

根據康特實驗室(Contra Labs)與班奇佛(BenchFlow)的最新測試結果,AI 在真實商業設計任務中的表現已經超越了簡單的提示詞生成測試。從高達 1,931 分的 Elo 分數與 90% 勝率來看,AI 模型不論在視覺偏好或是防檢測能力上都展現出強大的競爭力。然而,設計評分量表中 Claude Fable 5.2 與 Claude Opus 5.5 拿下 84 分的表現也提醒我們,AI 雖然在整體印象上討喜,但在逐項細節執行上仍有進步空間。面對這場技術變局,設計從業人員必須重新思考自身在工作流程中的核心價值與定位。

本文改寫整理自公開新聞來源,原始報導由BigGo Finance發布。

常見問題 FAQ

什麼是前沿設計基準(Frontier Design Benchmark)?

根據康特實驗室(Contra Labs)的資料,這是由該機構與班奇佛(BenchFlow)合作推出的 AI 設計能力排行榜,專門針對真實商業設計任務進行評測,而非簡單的提示詞生成測試。

神祕 AI 模型 Gestalt 的表現如何?

數據顯示,Gestalt 在盲測中拿下 1,931 分的 Elo 分數與 90% 的勝率,在排行榜中位居第一,超越人類設計師參考作品以及多款主流 AI 模型。

偏好投票與設計評分量表有什麼不同?

根據康特實驗室(Contra Labs)的說明,偏好投票反映作品的整體視覺印象是否討喜,而設計評分量表則更接近對執行細節的逐項審查,兩者屬於不同的評估維度。

※ 此篇文章由 AI 改寫或生成,內容僅供參考,可能存在錯誤或不準確之處。

Related Posts