
先问你一个不太好回答的问题:你能一眼看出,一张海报是 AI 做的吗?
有一群人把这个笼统的问题拆成了能数出来的东西。33 份真实的设计委托,交给 17 个参赛者做,再把稿子全部遮住名字,让人凭眼睛挑。
最后排第一的那位,名字一栏写着 Gestalt,后面跟一个词:stealth,隐身。
1931 分。排在它后面的是真人设计师的稿子,1739 分。
01|它赢的不是 AI,是人
这件事最容易被说错的地方在这儿:它不是在一堆模型里考第一,它是连人一起赢了。
榜单上 17 个参赛者,专业设计师的稿子单独作为一条线上榜,74% 的胜率,已经比绝大多数 AI 高。而那条隐身条目拿了 90%。

1931 和 1739 之间差 192 分。听起来不多,但在这种盲投票里,192 分是一条很难跨过去的沟——两者的 95% 置信区间没有交叉。
换句话说,这个结果不太可能是运气。
排下来是 Claude Fable 5.2 的 1713、Claude Opus 5.5 的 1691、GPT-6.1 Sol 的 1668,Kimi K3.1 Pro 1663 咬着前面几个。DeepSeek V4 Pro 在 1121。
投票共 4311 张,来自 35 位职业设计师。样本不算大,但方向足够清楚。
02|设计师指得出它哪儿不对,只是指不出「AI 味」在哪儿
我一直觉得「AI 味」这三个字是个很偷懒的说法。谁都会说,谁也说不清。
这份榜单的研究团队干了一件我很喜欢的事:他们没停在「像不像」,而是做了两把尺子去量。

第一把叫 slop 读数,分数越高越像 AI 做的。量出来的结果有点残酷:人类设计师的稿子 0.9,Gestalt 1.2,挤在最左边几乎贴在一起;其余模型是 31 到 57,隔了两个数量级。
第二把是 35 项规准评分表——排版、留白、层级、字体搭配这些能被逐条打分的项。结果更有意思:同一批人类稿子,在这张表上被扣到第六;而 Gestalt 把考 80 多分的模型全赢了下来。

这两张表放一起,说明的事不太好听:AI 味确实存在,也确实能量出来,但它和「做得好不好」是两件事。一个作品可以毫无 AI 味却平庸,也可以带着 AI 痕迹却更好用。
以前我们混着骂,现在至少能分开骂了。
03|谁做的?猜了一整天,一个证据都没拿出来
这份榜单 11 月 18 日上线,到今天,这个 Gestalt 只有一个匿名条目:没有公司名,没有参数规模,没有价格,没有官方博客。唯一对外的口子是 OpenRouter 上的调用入口。
社区当然没闲着。有人去翻榜单合作方的发言,有人盯着 API 的响应速度和措辞习惯做指纹比对,还有人干脆按发布时间反推。
目前流传的说法主要有三类。
一类是「某家大厂的新旗舰在暗中试水」。但榜单合作方之一的 Siqi Chen 公开表示,他已经排除了 Anthropic、OpenAI、Google、xAI 和 SSI 这五家——这条是最硬的否定证据。
一类是国内团队还没发布的旗舰。反驳也很直接:上一代最强和这一代最强之间隔着 500 分,一步跨这么大,不太像正常的迭代节奏。
还有一类是垂直领域的小团队,专门做设计这一块。这个说法最难证实,也最难否证。
我把这三条都写出来,但一条都不敢当结论。匿名就是匿名,猜得再热闹也不是事实。
04|为什么现在流行「匿名打榜」
这套玩法不是第一次出现。模型上线前用化名挂到公开平台上,跑一段时间再揭面,已经成了行业里一种半公开的流程。
原因其实很朴素。一是真实数据。带着公司名去打榜,投票的人会不自觉地偏心——有人见大厂就加分,有人见大厂就扣分,两边都让结果失真。遮住名字,投的才是作品。
二是可以体面地退。成绩不好,就当没发生过,删掉条目,谁也不知道那是谁。成绩好,再挑个日子把名字亮出来,效果比发十篇新闻稿都强。
三是最实际的:不惊动对手。模型的发布时间、定价、算力安排,都是要提前几个月定的。提前暴露能力,等于把牌摊在桌上。
所以看到一个匿名模型排第一,别急着找它爹是谁。它现在最想要的,恰恰是让你先看作品,别急着看公司名。
05|想自己试一手,就三步
我知道很多人看到这种消息的第一反应是「跟我有什么关系」。这次确实有一点。

第一步,注册 OpenRouter,邮箱就行。先充几美元,按用量扣,用不完不扣。
第二步,在模型列表里搜 stealth,或者直接搜 gestalt。匿名模型的条目通常写得很短,厂商那栏是空的。
第三步,拿一个自己真要解决的问题去试,别用「做个咖啡店官网」这种题。拿你手头那份活——要交的方案、要发的图、要改的版面。真实需求才看得出差别。
提醒一句:这类条目随时可能下架或者改名。你打开页面时能不能搜到、多少钱一次,以当时看到的为准,我这份稿子里的信息到发出来这会儿是对的,之后不保证。
写在最后
一个没名字的模型拿了第一,这件事本身挺有意思,但它说明的东西可能比分数更重要。
这一年多,我们习惯了用「哪家出的」来判断一个 AI 好不好用。看公司、看参数、看发布会。而这次,所有能用来判断的标签都被拿掉了,只剩作品本身。结果它赢了。
设计这个行当大概是最先被这么考的一批。它不考你背了多少知识点,考的是审美、判断、取舍,这些东西以前被认为是「人独有的」。
我不觉得这意味着设计师要失业。但我觉得它意味着,能一眼看出「这个不行」的人,会越来越值钱——因为工具拉平了手,剩下的差距全在眼里。
你上一次看到一张图,觉得「这肯定不是人做的」,是哪一张?现在回头看,那个判断还对吗?评论区聊聊,我一条条看。
资料来源:Contra Labs × BenchFlow「Frontier Design Benchmark」榜单页(2026 年 11 月 18 日上线,11 月 20 日核);榜单合作方 Siqi Chen 关于模型归属的公开表述;OpenRouter 模型列表。文中关于「谁做的」三种说法均为社区讨论,榜单方未公布任何厂商信息,本文不作结论。文中 4311 张投票为榜单公示的全量投票数,样本有限,分数以榜单页实时数据为准。配图:榜单数据图与流程图为本文制作,依据榜单页公示数值绘制;封面为本号原创插画。
更新时间:2026-11-21
本站资料均由网友自行发布提供,仅用于学习交流。如有版权问题,请与我联系,QQ:4156828
© CopyRight All Rights Reserved.
Powered By 61893.com 闽ICP备11008920号
闽公网安备35020302034844号