Стелс-модель · Frontier Design Benchmark

Gestalt (stealth)

Модель дизайна, которую Contra Labs показывает в своём Frontier Design Benchmark. Она возглавляет актуальную таблицу, обходя и фронтирные модели, и эталонные работы людей, — и почти ничего другого о ней не известно.

Коротко

В Frontier Design Benchmark от Contra Labs × BenchFlow (страница открыта 22 ноября 2026 года) Gestalt (stealth) занимает 1-е место из 17 записей: Elo 1931, доля побед 90% (95% доверительный интервал 86–92) при 420 слепых голосах. Лучшая модель, которую Contra реально запускала, Claude Fable 5.2, находится на 1713 — на 218 пунктов ниже. Contra Labs не публикует, кто делает Gestalt, её архитектуру, число параметров, цену, API или доступ для тестирования.

Прочитано 2026-11-22

Все цифры на этой странице взяты из актуальной таблицы (заголовок «Updated Nov 2026 · 27 Contra jobs»), открытой 2026-11-22, и из исследовательской статьи Contra Labs от 18 ноября 2026 года. Таблица меняется по мере поступления голосов, так что это снимок на указанный день. Там, где цифры статьи расходятся с таблицей, страница говорит об этом отдельно и не смешивает их.

Актуальная таблица

Верхняя часть Frontier Design Benchmark от Contra Labs, строка в строку.

ЗаписьМестоEloДоля побед95% ДИГолоса
Gestalt (stealth)#1193190%86–92420
Дизайнеры-люди (панель Contra)#2173974%71–78571
Claude Fable 5.2#3171373%69–76683
Claude Opus 5.5#4169173%69–76527
GPT-6.1 Sol#5166870%66–74549
Claude Sonnet 5.5#6166769%65–73440
Kimi K3.1 Pro#7166371%66–74519
GPT-6 Astra#8163866%61–70449

Elo, доля побед, 95% доверительный интервал и число голосов скопированы с contralabs.com/frontierdesign/leaderboard в том виде, в каком они отображались 2026-11-22. В сноске таблицы указано: 4311 слепых голосов, 35 профессиональных дизайнеров, 33 брифа; в заголовке — 27 реальных проектов Contra. Здесь воспроизведены только первые восемь строк.

Gestalt и Claude Fable 5.2

Главный вопрос страницы: где стелс-модель находится относительно самой сильной модели, которую Contra реально запускала.

  • Первое место, выше эталона людей

    В таблице Gestalt (stealth) стоит первой с Elo 1931. Вторая строка — не модель, а панель профессиональных дизайнеров, набранных через Contra, с результатом 1739. Статья Contra Labs называет Gestalt первой моделью, оценённой выше эталонных работ людей.

  • На 218 пунктов выше Claude Fable 5.2

    Claude Fable 5.2 — по статье от 18 ноября, лучшая из моделей, которые Contra реально запускала, — занимает 3-е место с Elo 1713, долей побед 73% (95% ДИ 69–76) и 683 голосами. Интервалы доли побед Gestalt (86–92) и Fable 5.2 (69–76) не пересекаются.

  • Идущие следом модели стоят плотной группой

    Claude Opus 5.5 (1691), GPT-6.1 Sol (1668), Claude Sonnet 5.5 (1667), Kimi K3.1 Pro (1663) и GPT-6 Astra (1638) укладываются в 53 пункта. Отрыв Gestalt от этой группы больше, чем весь разброс внутри неё.

  • Это качество дизайна, а не общие способности

    Это один бенчмарк одного навыка: собрать работающий сайт по реальному брифу клиента, а дизайнеры выбирают вслепую. Таблица ничего не говорит о коде, рассуждениях или длинном контексте — да и сравнивать Gestalt по цене не с чем, цены нет.

Приведённые разрывы — это разница рейтингов, отображённых в таблице, а не утверждение о статистической значимости. В своей статье Contra Labs указала разрыв в 214 пунктов для значений Gestalt 1928 и Fable 5.2 1714.

Claude Fable 5.2: характеристики, цена и бенчмарки

Как получается этот рейтинг

Достаточно метода, чтобы оценить цифру.

  • 33 реальных дизайн-брифа

    Contra Labs собрала 33 задачи: 27 адаптированы из реальных дизайн-проектов, опубликованных на Contra (клиенты переименованы), и 6 — от стартапов-партнёров. Среди них многостраничные маркетинговые сайты, лендинги, веб-приложения с рабочими сценариями и мобильные приложения.

  • 35 профессиональных дизайнеров, 4311 голосов

    Каждая модель выполняет каждую задачу в агентной среде (SDK BenchFlow, провайдер моделей — OpenRouter), а дизайнеры, набранные через Contra, сравнивают пары результатов по одному и тому же брифу.

  • Слепой парный выбор, пересчитанный в Elo

    Рецензент видит два результата по одному брифу рядом и не знает, какая модель какой сделала; стороны меняются местами в каждой паре. Голоса превращаются в рейтинги моделей через модель Брэдли — Терри с оценками Elo.

  • Помимо рейтинга есть рубрика дизайн-критики

    Результаты также оцениваются по набору критериев дизайна: иерархия шрифтов, отступы, контраст, полностью ли отрисованы элементы. Contra Labs сообщает, что согласие рубрики с ранжированием дизайнеров составляет r = 0,94.

  • Детектор «ИИ-шности»

    Классификатор, обученный на человеческих и ИИ-страницах, ставит каждому результату оценку от 0 до 100 — насколько он выглядит сделанным ИИ. По данным Contra Labs, результаты Gestalt заметно меньше похожи на ИИ, почти как эталонные работы людей.

Изложено по исследовательской статье от 18 ноября 2026 года и странице методологии бенчмарка, обе прочитаны 2026-11-22. Статья называет рубрику из 34 измерений, страница методологии — из 35, поэтому страница не приводит число измерений.

Что Contra Labs не опубликовала

Всё ниже не подтверждено, и страница это не додумывает.

  • Кто её сделал

    Ни вендор, ни лаборатория, ни команда не названы. Статья говорит лишь, что Contra Labs «работает с командой» над дальнейшей оценкой, не раскрывая её.

  • Архитектура и размер

    Архитектура, число параметров, данные обучения и размер контекста не опубликованы. Всё, что вы читали о внутреннем устройстве Gestalt в других местах, исходит не от Contra Labs.

  • Релиз, API и тестирование

    Contra Labs описывает Gestalt как «currently in stealth» (сейчас в стелсе) и не предлагает ни регистрации, ни списка ожидания, ни эндпоинта API, ни идентификатора модели. По состоянию на 22 ноября 2026 года публичного способа запустить её нет.

  • Цена

    Прайс-листа не существует, поэтому на оси стоимости в таблице у Gestalt нет точки: сравнение по Elo здесь только по качеству.

Раздел устареет в тот момент, когда Contra Labs или команда модели опубликуют что-то из этого, — поэтому страница указывает дату чтения.

Статья от 18 ноября 2026 года

Исследовательская статья Contra Labs вышла раньше сегодняшней таблицы, и её цифры немного другие.

Исследовательская статья · 2026-11-18

В статье, где бенчмарк был представлен, Gestalt (stealth) указана с Elo 1928 и 89% голосов (378 из 423), Claude Fable 5.2 — с 1714, «разрыв 214 пунктов», 95-процентные интервалы не пересекаются. Там же сказано, что при сравнении сайта Gestalt с эталонной работой человека дизайнеры выбирали Gestalt 20 раз из 28. В актуальной таблице, открытой 2026-11-22, у Gestalt 1931, доля побед 90% и 420 голосов, у Fable 5.2 — 1713. И то и другое — цифры самой Contra Labs; это разные снимки, а не исправление.

Цитата с contralabs.com/research/frontier-design-benchmark (18 ноября 2026 года), прочитано 2026-11-22. Эти цифры могли устареть — актуальный источник это таблица лидеров.

Источники

Открыты 2026-11-22; каждая цифра выше прослеживается до этих трёх страниц.

  • Таблица лидеров Frontier Design

    Актуальные Elo, доля побед, 95% доверительный интервал и число голосов; заголовок «Updated Nov 2026 · 27 Contra jobs».

  • Frontier Design: Evaluating AI on Real World Design Tasks

    Исследовательская статья от 18 ноября 2026 года — раздел «New Frontier Design Model Preview: Gestalt (Stealth)» и результаты бенчмарка.

  • Методология

    Набор задач, прогоны моделей и эталонные работы людей, метрики оценки и Slop Detector.

Границы доверия к странице

Это один бенчмарк одной лаборатории и только по дизайнерскому результату. 420 голосов Gestalt — самая маленькая выборка в первой восьмёрке, поэтому её рейтинг имеет больше всего пространства для изменения по мере голосования; 683 голоса Fable 5.2 делают её 1713 более надёжной цифрой. Таблица — снимок: 2026-11-22 она показывала 1931 у Gestalt и 1713 у Claude Fable 5.2. И это не обзор модели: воспользоваться ею нельзя.

Актуальная таблица, 2026-11-22: Gestalt 1931, дизайнеры-люди 1739, Claude Fable 5.2 1713, Claude Opus 5.5 1691, Claude Sonnet 5.5 1667. Сайт не связан с Contra Labs, BenchFlow или Anthropic.

Сравните с моделями, которыми можно пользоваться

У Gestalt нет ни опубликованной цены, ни API. У Claude Fable 5.2, Claude Opus 5.5 и GPT-6.2 есть — начинайте с них, если нужно что-то выпускать.

Вопросы о Gestalt