工具slug: benchflow-tool

BenchFlow

与 Contra Labs 合作构建评测任务与投票流程的基准测试平台

收录情报动态

共 1 篇 · 第 1/1 页
IT之家 · 智能时代T2·基座大模型
74 分
匿名模型 Gestalt 登顶设计盲测 Elo 达 1931

Contra Labs 发布前沿设计能力评测榜单 Frontier Design Benchmark,匿名隐身模型 Gestalt 以 1931 Elo 评分、90% 胜率登顶,超过人类设计师参考作品(1739 分)以及 Claude Fable 5.2、GPT-6.1 Sol 等主流模型。评测基于 33 项真实商业设计任务、35 名专业设计师五轮盲测共 4311 张投票,Gestalt 在质量评分与 AI 痕迹检测上同样接近人类水平,但其开发团队与架构尚未公开。