X 帖子近期动态

Contra 设计基准结果:Claude 占前四中的三席

Contra 的 Ben 称在 Frontier Design Benchmark 上,专业设计师盲评真实客户需求,15 个模型里 Claude Fable 5.2 第 1、Opus 5.5 第 2、Sonnet 5.5 第 4,Fable 与人类设计相差 26 Elo。

contraben@contraben原帖
01

为什么值得留

做网页和界面设计的人,可以用这份盲评结果缩小试用范围。

02

可以从这里开始

打开官方结果页,挑和你业务接近的两个需求,看前三名的实际页面。

03

阅读时留意

Contra 自建基准;同期有帖称未公开的模型 Gestalt 排名更高,排名范围和时间点需看官方页。

OnBalls 导读整理于 2026.11.21。只读收件箱保存的帖子节选;未打开帖内链接和官方页面。

同一方向,继续读

这个方向的精选
评估与原理近期动态

模型档、职业插件和聊天入口一起动

这八天里,OpenAI 同时动了三层东西:模型档、按职业装的插件,以及你进入聊天的方式。钱包的官方帖在窗口前一天,这里不把它算成这八天的新改动。中文读者先别把美国区、企业版和 Pro 专属功能,当成自己账号里已经能点开的按钮。

X 帖子
评估与原理近期动态

Neon 进付费入口,Tasks 开始代办,Genie 4 能走进去改

这一周谷歌的变化,不是再发一款顶格模型,而是把中间档和“替你动手”铺到能点开的入口。11 月 18 日,Gemini 4 Neon 开始推送。DeepMind 把它放在 Carbon 和 Hydrogen 之间,面向软件工程、知识工作和科学里既要判断、又要尽快做完的事。Pro 和 Ultra 可以在手机、桌面和网页的对话与 Tasks 里选到名为 4 Neon 的档。

X 帖子