Dos modelos stealth irrumpen en el leaderboard de diseño por delante de Claude Fable 5.2
Two stealth models just appeared on the leaderboard, both ahead of Fable 5.2

El Frontier Design Benchmark de Contra Labs y BenchFlow clasifica modelos de IA en tareas de diseño reales usando votos ciegos de diseñadores profesionales. En la cima aparece Gestalt, un modelo stealth con ELO 1931 y 90% de victorias, seguido por el diseño humano de referencia (1739) y Claude Fable 5.2 (1713). Un segundo modelo no identificado también supera a Fable 5.2, lo que sugiere que dos sistemas aún sin anunciar ya lideran el ranking.
La rúbrica de evaluación de diseño correlaciona fuertemente con las valoraciones de los diseñadores sobre los modelos (r = 0.94).
- gorgmah
No entiendo, ¿dónde están disponibles esos modelos en modo stealth? Normalmente la gente hace esto en openrouter pero no pude encontrar ningún modelo llamado "gestalt". ¿Alguien lo sabe o es simplemente marketing de sombrero negro para esta plataforma contralabs, y el modelo ni siquiera existe?
- gajus
Para aclarar, no son dos modelos. Es un único modelo (Gestalt). La otra barra en el benchmark es un dataset creado por humanos. Baste decir que no esperábamos que nadie lo superara, pero aquí estamos. Y no, no es el modelo Contra.
- barbacoa
Es posible que anthropic/open ai ya no lancen sus mejores modelos debido a su enorme tamaño y coste de ejecución, y en su lugar lancen una versión destilada para uso público.
- alex7o
Glm 5.5, apuesto, pero aún es demasiado pronto para saberlo
- barrenko
Este período de Thanksgiving será una explosión cámbrica de modelos capaces.