Frontier 设计基准:Claude Fable 5.2 排名第一,距人类设计仅 26 Elo
yuwen_lu_ · x · 2026-11-21
Contra Labs 发布 Frontier Design Benchmark,主张让专业设计师而非普通网民对模型盲评,15 个模型在真实客户需求下比拼设计能力。
- 排名前三中两个是 Claude:#1 Claude Fable 5.2(1713)、#2 Claude Opus 5.5(1691)、#4 Claude Sonnet 5.5(1667)
- Claude Fable 5.2 距人类设计基准线(Human golden 1739)仅差 26 Elo
- 其他参评模型:GPT-6.1 Sol(1668)、Kimi K3.1 Pro(1663)、GPT-6 Astra(1638)、Qwen3.8 Max(1434)、DeepSeek V4 Pro(1121)垫底
注:榜单中多个模型名称(如 Claude Fable 5.2、GPT-6.1)未见于已知发布记录,真实性待证实。
「模型」频道最新
- METR 季报:砸 9 万美元请人类专家仍跑不赢前沿模型 — iruletheworldmo · 2026-11-21
- 用颜文字当情绪探针:Qwen3-8B 的「快乐值」可被量化 — Sauers_ · 2026-11-21
- 2.7万思考token零回答:谷歌Vertex AI以HTTP 200自动扣费23次空崩溃 — Plenty-Jackfruit-218 · 2026-11-21
- Thinking Machines 新模型号称比 Qwen3.8 快 5 倍且更准,本地推理成真 — LiTianleli · 2026-11-21
- 用户发现 Gemini 会默默保存每一次有回答的 Google 搜索记录 — The-Neofighter · 2026-11-21
- Hy4 Flash 读 100 万 token:Mac Studio 44 分钟,DGX Spark 81 分钟 — AIFlow_ML · 2026-11-21