ステルスモデル · Frontier Design Benchmark
Gestalt(ステルス)
Contra Labs が自社の Frontier Design Benchmark で予告しているデザインモデル。ライブボードでは1位で、すべてのフロンティアモデルと人間のゴールデン作品を上回っています。ただし、それ以外の情報はほとんど公開されていません。
結論から
Contra Labs × BenchFlow の Frontier Design Benchmark(2026年11月22日に開いた時点)で、Gestalt(stealth)は17エントリ中1位。Elo 1,931、勝率90%(95%信頼区間 86–92)、420票のブラインド投票によるものです。Contra が実際に走らせたモデルで最上位の Claude Fable 5.2 は 1,713 で、218ポイント下。Contra Labs は Gestalt の開発元、アーキテクチャ、パラメータ数、価格、API、試用を公表していません。
2026-11-22 に読み取り
本ページの数字はすべて、2026年11月22日に開いたライブボード(ヘッダーは「Updated Nov 2026 · 27 Contra jobs」)と、Contra Labs の2026年11月18日の研究記事から取っています。ボードは投票で動くため、これはその日時点のスナップショットです。研究記事の数字が現在のボードと異なる箇所は、混ぜずに別々に書いています。
ライブボードの数字
Contra Labs Frontier Design Benchmark の上位8件を、表示どおりに転記しています。
| エントリ | 順位 | Elo | 勝率 | 95% CI | 票数 |
|---|---|---|---|---|---|
| Gestalt(stealth) | #1 | 1931 | 90% | 86–92 | 420 |
| 人間のデザイナー(Contra パネル) | #2 | 1739 | 74% | 71–78 | 571 |
| Claude Fable 5.2 | #3 | 1713 | 73% | 69–76 | 683 |
| Claude Opus 5.5 | #4 | 1691 | 73% | 69–76 | 527 |
| GPT-6.1 Sol | #5 | 1668 | 70% | 66–74 | 549 |
| Claude Sonnet 5.5 | #6 | 1667 | 69% | 65–73 | 440 |
| Kimi K3.1 Pro | #7 | 1663 | 71% | 66–74 | 519 |
| GPT-6 Astra | #8 | 1638 | 66% | 61–70 | 449 |
Elo、勝率、95%信頼区間、票数は contralabs.com/frontierdesign/leaderboard の 2026-11-22 時点の表示をそのまま転記したものです。ボードの脚注は35名のプロデザイナー、33のブリーフ、4,311票のブラインド投票と記載し、ヘッダーは27件の Contra 案件と記載しています。本ページは上位8行のみを掲載します。
Gestalt と Claude Fable 5.2 の差
このページの本題です。ステルスモデルが、Contra が実際に走らせた最強モデルに対してどこに位置するのか。
1位、そして人間の基準より上
ボードでは Gestalt(stealth)が Elo 1,931 で1位。2位はモデルではなく、Contra から募集したプロデザイナーのパネルで 1,739 です。Contra Labs の記事は、Gestalt を人間のゴールデン作品を上回った最初のモデルと書いています。
Claude Fable 5.2 を218ポイント上回る
Claude Fable 5.2 は(11月18日の記事によれば Contra が実際に走らせたモデルで最上位)3位、Elo 1,713、勝率73%(95% CI 69–76)、683票。Gestalt の勝率区間(86–92)と Fable 5.2 の(69–76)は重なりません。
後続のモデルは団子状態
Claude Opus 5.5(1,691)、GPT-6.1 Sol(1,668)、Claude Sonnet 5.5(1,667)、Kimi K3.1 Pro(1,663)、GPT-6 Astra(1,638)は53ポイントの範囲に収まっています。Gestalt のリードは、この集団の内部のばらつき全体より大きいものです。
デザイン能力の話であって、汎用能力の話ではない
これは1つの技能だけを測るボードです。実際のクライアントのブリーフから動くウェブサイトを作り、デザイナーがブラインドで選ぶ。コーディングや推論、長文脈の能力は何も示しませんし、Gestalt には比較できる価格すらありません。
上の差はボードに表示されたレーティングの差であり、有意差の主張ではありません。Contra Labs の記事は、ボードが Gestalt 1,928/Fable 5.2 1,714 だった時点で214ポイント差と書いています。
この順位の作り方
数字を判断するのに必要な範囲で。
33の実在デザインブリーフ
Contra Labs は33のタスクを用意しました。27は Contra に実際に投稿されたデザイン案件を(クライアント名を架空にして)改変したもの、6はスタートアップパートナーからのものです。多ページのマーケティングサイト、ランディングページ、動くフローを持つ Web アプリ、モバイルアプリが含まれます。
35名のプロデザイナー、4,311票
各モデルはエージェント環境(BenchFlow の SDK、モデル提供は OpenRouter)で各タスクを実行し、Contra から募集したデザイナーが同じブリーフの2つの出力を比較して投票します。
ブラインドの二者択一を Elo に変換
レビュアーは同じブリーフの2つの出力を並べて見せられ、どちらがどのモデルかは分かりません。左右はペアごとに入れ替わります。投票は Bradley-Terry モデルでモデルごとの Elo に変換されます。
順位とは別にデザイン評価表がある
出力は、タイポグラフィの階層、余白、コントラスト、要素が欠けずに描画されているか等の評価軸でも採点されます。Contra Labs はこの採点とデザイナーの順位の相関を r = 0.94 と報告しています。
AI っぽさの検出器
人間の制作物と AI の制作物で学習した分類器が、各出力を0〜100で採点し、どれだけ AI 製に見えるかを示します。Contra Labs によれば、Gestalt の出力は他モデルより明らかに AI っぽさが少なく、人間のゴールデン作品に近い水準です。
2026年11月18日の研究記事とベンチマークの方法ページ(いずれも 2026-11-22 に読み取り)からの要約です。評価軸の数は記事が34、方法ページが35と食い違うため、本ページでは数を引用していません。
Contra Labs が公表していないこと
以下はすべて未確認で、本ページでも埋めていません。
開発元
企業名もラボ名もチーム名も出ていません。記事は「そのチームと協力して」評価を続けると述べるだけで、正体は明かしていません。
アーキテクチャと規模
アーキテクチャ、パラメータ数、学習データ、コンテキスト長はいずれも未公表です。Gestalt の内部構造について他所で読んだ話は、Contra Labs 発のものではありません。
リリース・API・試用
Contra Labs は Gestalt を「currently in stealth(現在ステルス)」と説明しており、登録、ウェイトリスト、API エンドポイント、モデル ID はありません。2026年11月22日時点で、公開された実行手段は存在しません。
価格
料金表がないため、ボードのコスト軸に Gestalt の点はありません。ここでの Elo 比較は品質だけの比較です。
Contra Labs か開発チームがこのいずれかを公表した時点で、この節は古くなります。だからこそ読み取り日を明記しています。
2026年11月18日の研究記事
Contra Labs の研究記事は今日のボードより前のもので、数字が少し異なります。
研究記事 · 2026-11-18
ベンチマークを発表した記事の数字は、Gestalt(stealth)が Elo 1,928、投票の89%(423票中378票)を獲得、Claude Fable 5.2 が 1,714 で「214ポイント差」、95%区間は重ならないというものです。また、Gestalt のサイトを人間のゴールデン作品と並べたとき、デザイナーは28回中20回 Gestalt を選んだと書いています。一方 2026-11-22 に開いたライブボードでは、Gestalt は 1,931、勝率90%、420票、Fable 5.2 は 1,713 でした。どちらも Contra Labs 自身の数字で、訂正ではなく時点の違いです。
contralabs.com/research/frontier-design-benchmark(2026年11月18日)からの引用、2026-11-22 に読み取り。すでに古くなっている可能性があり、最新はリーダーボードが正です。
出典
いずれも 2026-11-22 に開きました。本ページの数字はすべてこの3ページに遡れます。
- Frontier Design リーダーボード
Elo、勝率、95%信頼区間、票数の実データ。ヘッダーは「Updated Nov 2026 · 27 Contra jobs」。
- Frontier Design: Evaluating AI on Real World Design Tasks
2026年11月18日の研究記事。「New Frontier Design Model Preview: Gestalt (Stealth)」の節とベンチマーク結果を含みます。
- 方法ページ
タスクセット、モデルの実行と人間のゴールデン作品、評価指標、Slop Detector について。
このページの信頼できる範囲
これは1つのラボによる1つのベンチマークで、対象はデザイン出力だけです。Gestalt の420票は上位8件で最も少なく、投票が続けば評価は最も動きやすい立場にあります。Fable 5.2 の683票は 1,713 という数字の裏付けをより強くします。ボードはスナップショットで、2026-11-22 時点では Gestalt が 1931、Claude Fable 5.2 が 1713 でした。そもそも使う手段がないため、これはモデルのレビューではありません。
ライブボード 2026-11-22:Gestalt 1931、人間のデザイナー 1739、Claude Fable 5.2 1713、Claude Opus 5.5 1691、Claude Sonnet 5.5 1667。本サイトは Contra Labs、BenchFlow、Anthropic のいずれとも関係ありません。
実際に使えるモデルと比べる
Gestalt には公開価格も API もありません。Claude Fable 5.2、Claude Opus 5.5、GPT-6.2 にはあります。何かを作るならそこから始めてください。