神秘模型 Gestalt 登顶设计榜单,得分1928分领先 Fable 5.2

  • AI
  • 1
Mores的头像Mores
神秘模型 Gestalt 登顶设计榜单,得分1928分领先 Fable 5.2

11月19日,Contra Labs推出名为Frontier Design Benchmark的AI榜单,用于测试大模型的商业设计能力。一个以隐身模式在OpenRouter提供调用的神秘模型Gestalt登顶,得分1928分,远超Anthropic旗下Fable 5.2的1715分。

目前尚无足够信息确定Gestalt的所属方,Anthropic、OpenAI、谷歌等头部厂商均已被排除,其真实身份引发行业关注。

榜单与测试方式

Frontier Design Benchmark由Contra Labs于11月19日推出,定位与常见的通用能力或代码能力评测不同,专门用于测试AI大模型的商业设计能力。榜单共设置33个设计任务,模型完成这些任务后,由受邀的专业设计师进行打分,最终形成排名。

在Gestalt出现之前,这一榜单长期由Claude家族的旗舰模型占据榜首,因此它被视为观察头部模型设计能力的一个窗口。Gestalt则以Stealth(隐身)模式在OpenRouter提供调用,在榜单上位列第一。

神秘模型 Gestalt 登顶设计榜单,得分1928分领先 Fable 5.2

断层式的分数差距

从分数看,Gestalt拿到1928分,Anthropic旗下Fable 5.2为1715分,两者相差214分。来源将这一差距形容为断层式领先:其他大模型之间领先对手通常只有几十分,拉开20分的差距都不容易。

Fable 5.2被来源描述为全球用户公认最强的模型之一,因此它落后214分这一结果,成为Gestalt引发讨论的直接原因。来源同时提到,Anthropic近期还有Opus 5.5等模型,并称其风头正盛、已把OpenAI甩开一段距离。

神秘模型 Gestalt 登顶设计榜单,得分1928分领先 Fable 5.2

Gestalt身份成谜

来源认为,这个问题比它为何这么强更引人关注,因为这意味着在Anthropic、OpenAI、谷歌三家之外,有公司能做出性能更强的大模型;如果这家公司还不是美国的,意义会更大。

来源还提出一种行业层面的看法:AI行业不应垄断在少数几家厂商手中,仍需要初创公司带来有价值的技术突破。Gestalt的真实身份因此成为榜单之外最受关注的悬念。

被排除的候选厂商

来源对几家美国公司逐一作了排除性分析。Meta几乎被确定排除;Anthropic当晚敲钟上市,如果手握这样强力的模型,不太可能用匿名方式宣传;OpenAI近期模型表现被来源形容为拉跨,若有压箱底的产品,早该拿出来洗刷污名,也没必要以这种模式造势。

谷歌同样被认为没有必要多此一举:其近期发布的几款大模型在口碑与能力上都取得双赢。另一家被提及的美国公司Vercl长期从事设计、前端业务,确有相关需求,但来源判断其在自研大模型上不太可能有这么强的能力,从寂寂无名直接跃升到榜首并不现实。

国产模型的可能性

来源把视线转向国产大模型。其判断是,国产模型近期整体低调,几乎没谁敢期待Gestalt出自国内AI公司;目前尚未发布旗舰模型的主要是智谱GLM和DeepSeek V4.1 Pro。

其中DeepSeek V4.1 Pro的时间点对不上,来源认为没这么快。智谱的GLM-5.5传闻下周发布,时间点符合,外界预期值也高,但预期主要集中在代码方面,其设计能力能否碾压Fable 5.2,来源表示没人敢打包票。Gestalt的最终身份仍有待确认。

要点

  • 榜单由Contra Labs于11月19日推出
  • 榜单共设33个设计任务,由专业设计师打分
  • Gestalt得分1928分,Fable 5.2为1715分
  • 两者分差达214分,属断层式领先
  • Gestalt以隐身模式在OpenRouter提供调用

原文链接

AI
分享

更多快讯

全部快讯
  1. 谷歌开放 Genie4 世界模型 API,支持实时交互与原生音频
  2. OpenAI 开放 GPT-Live-1.1 语音 API,支持全双工实时交互
  3. 讯飞星火综合份额滑至第八,央国企大模型招标却拿下双第一
  4. Isomorphic Labs 完成50亿美元C轮融资,AI 制药五年对垒浮出水面
  5. Grok Bot 五天擅自发起31次访问,被网关全部拦下

0 条回复

A文章作者M管理员
上传评论图片

暂无讨论,说说你的看法吧