"哪个AI最强?"——普通人挑工具,十个里有九个先问这句话,然后打开榜单,跟着第一名走。这个逻辑省事,也一直是安全的。
直到11月19日晚上,一个设计榜单的第一名,换成了一个查不到来历的名字:Gestalt。
榜单被"隐身人"屠了
先把事实理清楚。据快科技11月19日报道,一家叫Contra Labs的机构推出了名为 Frontier Design Benchmark 的AI榜单,专测大模型的商业设计能力——注意,不是大家熟悉的通用能力榜或代码榜,而是海报、页面、视觉这类真实商业活儿。榜单由33个设计任务组成,AI交卷之后,由受邀的专业设计师逐份打分。
这种榜单过去几乎是Claude家族旗舰模型的主场。但这次登顶的是一个叫Gestalt的模型,它没有发布会,没有官网,没有任何公司介绍,正以Stealth(隐身)模式在OpenRouter上提供调用。
分数差距有多离谱?全球用户公认最强的Claude Fable 5.2得了1715分,Gestalt直接干到1928分,领先214分。作为参照:这个榜上其他模型之间的领先通常也就几十分,能拉开20分差距都不容易。214分,是断层。
全行业都在猜它是谁
比"它为什么这么强"更炸锅的问题,是"它到底是谁家的"。
快科技的分析把候选名单排了一圈:Meta几乎被确定排除;Anthropic当晚就在纳斯达克敲钟上市,有这种王牌不太可能匿名藏着;OpenAI最近的模型口碑不佳,真有压箱底的宝贝早就拿出来正名了;谷歌近期发布的几款模型口碑和能力双赢,也没必要多此一举。
也就是说,御三家外加Meta,都对不上号。一个"四不像"的隐身模型,把行业公认的天花板甩开一个身位。这个悬念本身,比榜单更值得琢磨。
这件事真正推翻的是什么
第一,"名气=实力"的等式,在垂直赛道上开始失效了。
Stealth模式的意思是:我不告诉你我是谁,你只看作品。而评委是真人设计师,打分对象是交付物,不是公司logo。当裁判只看活儿不看牌子,无名者就有了掀桌子的机会。设计这种垂直能力上,小团队和大厂的差距,可能比我们以为的小得多。
第二,"全能冠军"不等于"你要干的活的最强"。
Gestalt屠的是设计榜,不是通用榜。同一个晚上,你可能在让AI写周报、改代码、做海报——这是三种完全不同的活儿,最强选手很可能不是同一个。普通人挑模型最容易犯的错,就是用一个榜单的答案,去解决所有场景的问题。按任务挑模型,而不是按名气挑模型,这才是榜单正确的打开方式。
第三,最稀缺的能力,是当评委的能力。
这个榜单最妙的设定是:AI交卷,人类设计师打分。生成越来越便宜,判断越来越贵。当谁都能让AI出十版海报时,值钱的是知道哪一版能用、为什么能用的那双眼。工具人人都有,审美才是壁垒。
给你的四问自查清单
下次再有人告诉你"XX是最强AI",先问自己四个问题,再决定要不要换工具:
- 这是哪个赛道的榜? 设计、代码、通用、中文,榜不同答案就不同。
- 评委是谁? 机器自动跑分,还是真人盲评?后者可信度高得多。
- 和我的活儿对口吗? 拿你真实的一个任务去试,比看十篇评测都管用。
- 换的成本有多高? 现有工具能打80分,新工具95分但要从头学,未必划算。
这四问值得存下来——下次榜单再变天,你不用慌,照着问一遍就有自己的答案。我平时也在 spark1的工具库 里按场景整理AI工具,设计、写作、办公分开找,比盯单一榜单省事。
Gestalt到底是谁,现在还无人知晓。谜底揭开那天,大概率又是行业地震——想第一时间看到这事的后续拆解,点个关注不迷路。
评论