GPT-5.6 Sol и Kimi K3 возглавили дизайн-лидерборды Design Arena

Команда бенчмарка Design Arena опубликовала два разбора моделей, возглавивших её дизайн-лидерборды. В центре внимания — GPT-5.6 Sol от OpenAI и Kimi K3 от китайской Moonshot AI. Исследователи проанализировали генерации и цепочки рассуждений моделей, чтобы понять, как они научились «вкусу» в дизайне.

Design Arena проводит слепые сравнения: пользователи голосуют за один из двух сайтов, сгенерированных разными моделями по одному запросу. Рейтинг строится по системе Elo. Ранее арена фиксировала «design smells» — типичные штампы вроде фиолетово-синих градиентов, bento-сеток и гигантской типографики. Ещё недавно их демонстрировала GPT-5.5.

GPT-5.6 Sol заняла первое место на арене Web Design (Non-Agentic) с Elo 1353, опередив предшественницу на 18 позиций. Модель генерирует дизайны в 2,44 раза быстрее прошлого лидера GLM 5.2 и на 36 % быстрее Claude Fable 5, при этом стоит $5/$30 за миллион токенов. Анализ 1000 генераций через CLIP-эмбеддинги и UMAP показал «дыры» в дизайн-пространстве модели: Sol выучила антипаттерны, но активно их подавляет.

В отличие от Sol, предыдущий лидер GLM 5.2 избегает штампов, поскольку, судя по всему, не выучила их. Kimi K3, в свою очередь, возглавила single-shot Frontend Arena с Elo 1408 и 3D-дизайн с Elo 1450. Модель тратит почти в 4 раза больше токенов на рассуждения, симулируя работу агента: планирование, итерации и «мысленное тестирование». Она также запоминает ID изображений из интернета наизусть, избегая битых ссылок.

На разных аренах сосуществуют три стратегии: GLM 5.2 не выучила плохое, Sol подавляет выученное, а Kimi K3 итерирует внутри цепочки рассуждений, платя за это временем и токенами. Лидерборды у моделей разные, поэтому прямого сравнения Sol и K3 не делается.

Источник: https://habr.com/ru/articles/1062478/?utm_campaign=1062478&utm_source=habrahabr&utm_medium=rss