Елес нейрожелі веб-дизайнда 90% жеңіс жинап, Fable 5.2 мен адамдарды басып озды

Елес нейрожелі веб-дизайнда 90% жеңіс жинап, Fable 5.2 мен адамдарды басып озды

19 қарашада жаңа Frontier Design Benchmark рейтингінде Gestalt атты жұмбақ модель пайда болды. Клиенттік тапсырмалар бойынша жасалған сайттарды соқыр салыстыруда ол 1931 Elo жинады. Салыстыру үшін: Claude Fable 5.2 — 1713, кәсіби дизайнерлер — 1739. Одан да таңғаларлығы — Gestalt сайттары нейрожелілерді әдетте танытатын визуалдық әдістерді іс жүзінде көрсетпейді.

Хабар тез арада әзірлеуші туралы болжамдарға ұласты. X-тің қытайлық сегментінде Z.ai компаниясының GLM-5.5 моделі туралы айта бастады. Алайда әзірге Gestalt-тың басымдығы дизайн бойынша бір ғана мамандандырылған тестте расталды, ал оның шығу тегі әлі ашылған жоқ. Оның үстіне қытайлық нұсқаға қайшы келетін жария мәлімдеме пайда болды.

Gestalt нені көрсетті

Ағымдағы Contra Labs рейтингі бойынша Gestalt өзі бағаланатын жұптық салыстырулардың 90%-ын ұтады. Claude Fable 5.2-де бұл көрсеткіш 73%, ал дизайнерлердің эталондық жұмыстарында — 74%. Gestalt пен Fable арасындағы айырма 218 Elo пунктіне жетеді. Белгілі нейрожелілер ішіндегі келесі орында 1691 Elo-мен Claude Opus 5.5 тұр.

Frontier Design Benchmark рейтингі: Gestalt, дизайнерлер және нейрожелілер

1-график. Frontier Design Benchmark-тың барлық 17 қатысушысы. Дереккөз: Contra Labs, 2026 жылғы 20 қарашадағы деректер.

Бір маңызды жайды түсіну керек: 90% — Gestalt-тың әртүрлі қарсыластарға қарсы жалпы жеңіс үлесі, ал Fable-мен жекпе-жекте жеңу ықтималдығы емес. Ұйымдастырушылар Gestalt пен Claude Fable 5.2-нің тікелей нәтижелері туралы жеке кесте жариялаған жоқ. Зерттеу жарияланымында тағы бір нақты салыстыру бар: кәсіби мамандар Gestalt сайтын адамның эталондық жұмысынан 28 реттің 20-сында артық көрді.

Көрсеткіштер рейтинг жаңарған сайын сәл өзгереді. Ұйымдастырушылардың алғашқы мақаласында Gestalt үшін 1928 Elo, Fable үшін 1714 көрсетілген, ал ағымдағы кестеде — 1931 және 1713.

Frontier Design Benchmark деген не және ол қалай өткізілді

Бенчмаркты Contra Labs пен BenchFlow іске қосты. Ұйымдастырушылар Contra желісіндегі шамамен 4600 сайт жасау тапсырысын талдап, 33 тапсырма дайындады. Оның 27-сі ойдан шығарылған клиенттер үшін қайта өңделген нақты тапсырыстарға негізделген, ал тағы алтауы серіктестерден алынған. Ағымдағы жария кесте Contra-ның 27 тапсырмасы бойынша рейтинг ретінде бөлек белгіленген.

Бұл әдеттегі «әдемі лендинг жаса» деген сұраныстан әлдеқайда күрделі. Модельдер бренд, мақсатты аудитория және пайдаланушы сценарийлері туралы мәлімет алады; кейбір тапсырмаларда логотиптер, бастапқы материалдар, мобильді нұсқаға, қолжетімділікке және интерфейс жұмысына қойылатын талаптар бар. Мысалдардың ішінде киберқауіпсіздік компаниясына арналған көпбетті сайт, қайырымдылық жинауға арналған қосымша және тесттері бар білім беру сервисі бар.

Агенттер жұмыс істейтін сайттарды оқшауланған ортада жинайды. Содан кейін кәсіби дизайнерлер екі нәтиженің жақсысын соқыр түрде таңдап, таңдауын түсіндіре алады. Әдістеме сипаттамасында 35 дизайнер-бағалаушы, 4311 дауыс және бес раунд көрсетілген. Рейтинг Брэдли — Терри моделі бойынша жұптық қалаулар негізінде есептеліп, Elo шкаласында беріледі. Сарапшыларды кездейсоқ екі топқа бөлгенде рейтингтердің ұқсастығы жоғары болды: Спирмен коэффициенті 0,95.

Бірақ елеулі шектеу де бар: тапсырмалардың, жауаптардың және дауыстардың толық жинағы жабық және зерттеушілерге сұраныс бойынша қолжетімді. Сонымен қатар тестте әртүрлі әзірлеушілердің агенттік орталары қолданылады. Қорытынды баға құралдар мен тапсырманы орындауды ұйымдастыруды қоса, бүкіл конфигурацияның жұмысын көрсетеді.

Неліктен Gestalt тек Elo көшбасшылығынан қызықтырақ болуы мүмкін

Зерттеуде екі қосымша баға бар. Біріншісі — Design Critique Rubric — нәтижені 35 дизайндық критерий бойынша тексереді: композиция, типографика, контраст, құрылым, қолайлылық және басқалары.

Мұнда көрініс өзгереді. Claude Fable 5.2 мен Claude Opus 5.5 84 баллдан, ал Gestalt 83 балл алады. Демек Gestalt-тың кәсіби мамандардың қалауындағы басымдығын тек формалды қателердің болмауымен түсіндіруге болмайды. Сарапшыларға оның нәтижесі жалпы алғанда көбірек ұнайды, бірақ бәсекелестер жекелеген дизайн ережелерін сәл жақсырақ сақтайды.

Модельдерді Design Critique Rubric бойынша салыстыру

2-график. Дизайндық критерийлер бойынша тексеру нәтижелері.

Екінші баға — Slop Detector — әдеттегі нейрожелілік стильдің қаншалықты танылатынын өлшейді. Мән неғұрлым төмен болса, сонша аз белгі. Адам жұмыстарында көрсеткіш шамамен 0,9, Gestalt-та — 1,2, Fable 5.2-де — 31, GPT-6 Astra-да — 41, Gemini 4 Carbon-да — 54.

Сайт дизайнындағы типтік ИИ-стиль: Slop Detector

3-график. Ресми кестеден алынған, дөңгелектелген Slop Detector нәтижелері.

Contra командасы басқа модельдердің де танымал ерекшеліктерін келтіреді: Claude көбіне түймелерге көлденең көрсеткілерді қояды, GPT — диагональділерді, ал Gemini карточкалар мен техникалық жазуларды шамадан тыс қолданады. Осы тексеруде Gestalt ерекше «адамға ұқсайды».

Сонымен бірге Slop Detector-дың төмен мәні өздігінен сапаны дәлелдемейді. DeepSeek V4 Pro-да да көрсеткіш бірге жақын, өйткені оның кейбір сайттары аяқталмай қалған: детектор жұмыс іс жүзінде орындалмаған жерде әдеттегі ИИ-дизайнды танымайды.

GLM-5.5 туралы нұсқа қайдан шықты

20 қарашада X-тегі @mylesBaiM аккаунтының авторы Gestalt шынымен де GLM-5.5 деп мәлімдеді. Оның дәлелдері: қытайлық GLM бұған дейін веб-дизайнда үздік нәтижелер көрсеткен, GLM-5.3-тен кейін бірнеше ай өткен, ал Gestalt пен GLM атаулары бір әріптен басталады.

Гипотезаның шынайы негізі бар. Маусымда GLM-5.2 шынымен де Design Arena-да бір сұраныспен HTML генерациялау бойынша бірінші орынды иеленді, Claude Fable 5-тен озды. Бірақ бұл — басқа тест және Claude-тың ертеректегі нұсқасы. Мұндай нәтиже GLM тұқымдасының дизайндағы құзыретін көрсетеді, алайда Gestalt-ты кім әзірлегені туралы ештеңе айтпайды.

Оған қоса, әлеуметтік желілерде Gestalt жасаушысымен таныстығын меңзеді деген кәсіпкер Siqi Chen модель Anthropic, OpenAI, Google, xAI немесе SSI-ге тиесілі емес деп мәлімдеді. Жеке хабарламада ол оны америкалық деп атады. Бұл әзірлеушінің ресми хабарландыруы емес, бірақ GLM-5.5 туралы нұсқаға тікелей қайшы келеді.

Hacker News талқылауында GLM туралы болжамдар да, күмән де кездеседі. Пайдаланушылар Gestalt-ты қайдан сынап көруге болатынын және неге ашық мысалдар жеткіліксіз екенін сұрайды. Contra өкілі тараған хабарламалардағы тағы бір қатені нақтылады: рейтингте бір жасырын модель бар, ал одан кейінгі жол — нақты дизайнерлердің жұмыстары. Ол сондай-ақ Gestalt Contra-ның өз моделі емес екенін айтты.

Қандай сұрақтар қалады

Әзірге әзірлеуші, архитектура, Gestalt-тың нақты агенттік ортасы, сайт генерациясының құны, API қолжетімділігі және шығарылым күні белгісіз. Ашық нәтижелер галереясында белгілі қатысушылардың сайттарын қарауға болады, бірақ қаралған мысалда Gestalt жоқ. Сондықтан оның визуалдық басымдығын жария материалдар бойынша дербес тексеру әзірге қиын.

Нәтиже ИИ-ды практикалық қолдану үшін маңызды: дизайнды бағалау бірте-бірте әдемі бірбеттік макеттерден нақты шектеулері бар жұмыс істейтін сайттарға көшуде. Бірақ Gestalt «көптеген бенчмарктерде Fable-ден қуаттырақ» деп айту әлі ерте. Мұндай қорытынды үшін бағдарламалау, пайымдау және агенттік тапсырмалар бойынша тәуелсіз тест нәтижелері, сондай-ақ бірдей құралдармен ашық салыстыру қажет.

20 қарашадағы сенімді қорытынды мынадай: Gestalt кәсіби веб-дизайнның бір жаңа бенчмаркінде сенімді түрде көш бастап тұр. GLM-5.5 туралы нұсқа расталмаған және оған жария қарсылық бар. Келесі елеулі оқиға — әзірлеушінің ашылуы және нәтижелерді дербес тексеру мүмкіндігі.

Негізгі дереккөздер