GPT-6 Astra 也输给了人类设计师

The Emperor Pelican Has No Clothes

尽管前沿 AI 模型在生成功能性网站和产品界面方面进步神速，但在设计创意上仍与人类设计师存在显著差距。我们推出了 Design Creativity Bench，针对 16 个前沿模型在 80 个开放式 UI 任务中进行了评估，涵盖原创性、创意范围和适用性三个维度。结果显示，表现最好的 OpenAI GPT-6 Astra 得分仅为 65.5，而人类参考基准高达 92.3。我们已公开完整的排行榜、方法论及可复现的评估框架，旨在将设计创意转化为可量化的模型能力指标。