OpenAI 头回登顶

GPT-5.6 Sol 第一次把 OpenAI 送上这份网页设计榜的第一名,比前代一口气跳了 18 位。

GPT-5.6 Sol 冲到了 Design Arena 网页设计单轮榜的总榜第一。Design Arena 是一个专门给 AI 比设计的盲测榜——让不同模型各自生成网页,再让真人投票选谁更好看,谁被选中最多谁排前面。

这里有两层反常。一是这是 OpenAI 的模型头一次在这份榜上登顶;二是它的前代 GPT-5.5 还排在 18 名开外,新版本一次就补齐了这段差距,直接登顶。

「单轮」的意思是:用户给一句话,模型一次生成结果,不来回修改。这种设定下拼的几乎全是「第一眼」的审美。

第 1 名 OpenAI 首次登上 此网页设计榜 +18 位 较前代 GPT-5.5 的排名跃升
GPT-5.6 Sol 首次让 OpenAI 登顶该榜,并比前代跳升 18 位。数据来自 Design Arena。

空洞的设计地图

研究者把它生成的一千个网页画成一张「设计地图」,发现图上有几个洞——正是那些「一眼假」的 AI 设计本该出现的地方。

它没有那些 AI 味设计,不是因为不会做,而是学会之后主动躲开。

Design Arena 拿 GPT-5.6 Sol 生成的 1000 个网页,把每个网页的「长相」转成一串数字,再压进一张二维图(设计地图),长得像的网页会挤在一起。结果这张图上出现了几个别的模型都没有的空洞。

空洞意味着:某一类设计,它明明在能力范围内,却系统性地一个都不生成。研究者把它和前代 GPT-5.5 的网页叠在同一张图上,发现两者最不重合的那一块,正是紫色渐变——GPT-5.5 最爱、也最被诟病「一看就是 AI 做的」那种配色。同样的空洞还出现在便当盒式排版、超大标题、错位构图上。

另一个榜首模型 GLM-5.2 也没有这些毛病,但走的是另一条路:它压根没学过这些反模式,自然不会生成。GPT-5.6 Sol 恰恰相反——它学过,却拒绝画出来。

真相 它学过紫色渐变、超大标题 这些设计,能做, 但生成时主动屏蔽 不是 不是没学会, 也不是根本做不出来 ——那是 GLM-5.2 的路子
GPT-5.6 Sol 没有 AI 味设计,是「学会了主动屏蔽」,而非「压根不会」——这是它与另一榜首 GLM-5.2 的关键差别。出处:原文 Model Behavior #1。

模板打底,逐个大改

它先套用被验证好用的设计模板,再针对每个需求大幅改动,卡在「千篇一律」和「完全随机」的中间。

顶尖模型大多靠套模板取胜——记住一批在榜上表现好的版式,反复复用,看起来像有审美,其实是套路。这没什么丢人,前一任榜首 GLM-5.2 就是靠重度套模板登顶的。

另一个极端是 Claude Fable 5:几乎不套模板,每个网页都为用户从头定制,设计空间很散。

GPT-5.6 Sol 走中间路线:用模板打底保证不翻车,又在每个模板里做大量改动制造变化。研究者形容这像细菌演化出一堆近亲菌株——底子是同一套,细节各不相同。代价是它偷懒的地方也会露馅:同一张图片,它会反复塞进完全不同的场景里用。

重度套模板 完全定制 GLM-5.2 最左 · 重度套模板 记住一批好版式 反复复用 Claude Fable 5 最右 · 几乎不套模板 每个网页从头定制 GPT-5.6 Sol 中间 · 模板打底 + 逐个大改 底子同一套, 细节各不同
三种做法:GLM 靠套模板,Fable 靠纯定制,GPT-5.6 Sol 取中间——套模板保底、再逐个大改。出处:原文 Model Behavior #2。

又快又便宜

它比前一任榜首 GLM-5.2 快 2.44 倍,输出价还比对手 Claude Fable 5 便宜四成。

排第一的同时,它还更快更省。论速度,它比前榜首 GLM-5.2 快 2.44 倍,比 Claude Fable 5 快 36%。论价格,它每百万 token(AI 处理文字的计价单位)收费 5 美元(输入)、30 美元(输出);Claude Fable 5 是 10 / 50 美元——输入价整整贵一倍,输出价也贵四成。

换句话说,在「又好又快」和「又好又便宜」这两条线上,目前没有别的模型能同时压过它。对要大量生成网页的人来说,这比单纯一个榜单第一更实在。

每百万 token 输出价(美元) GPT-5.6 Sol $30 输入 $5 Claude Fable 5 $50 输入 $10
GPT-5.6 Sol 的输出价比 Claude Fable 5 便宜四成,输入价更只有一半;此外它比前榜首 GLM-5.2 快 2.44 倍。数据来自 Design Arena。

克制没能覆盖全部

它的自我克制有盲区:超过四分之一的生成里塞满彩带,还画不好数据图表。

它对 AI 通病的屏蔽并不彻底。最明显的漏网之鱼是彩带(网页上撒下的碎纸屑动画)——超过 26.5% 的生成里都有它,甚至在没有现成工具时,它会自己手写一套彩带代码硬加上去。

另一个弱项是图表:它不擅长用 chart.js(专门画图表的现成工具包)生成像样的数据可视化,做出来的图表不够真实可用。

这两点说明,它学会的是「哪些配色和版式显得廉价」,而不是一套通用的审美判断力。换个维度,它照样会犯 AI 的老毛病。

这对选模型意味着什么

Sol 的强项是「更挑剔又更灵活」的设计口味,但这是单轮审美测试里的胜利,不等于它整体更聪明。

把两点合起来看,GPT-5.6 Sol 的优势来自一种矛盾的组合:它比别的模型更挑剔,又更灵活。挑剔在于它认得出哪些设计「显廉价」并主动屏蔽;灵活在于它保留了一批可靠模板,又能按每个需求改造。

但要清醒两件事。一是这套判断出自 Design Arena 一家的方法——「设计地图上有空洞」是他们的解读,不是被独立复现的事实。二是这只是单轮、看第一眼的审美排名:好不好看不等于好不好用,更不代表这个模型在写复杂代码、理解需求上也领先。

如果你要的是快速生成一批不难看、又各有差异的网页,它现在是性价比最高的选择。如果你要的是别的,这份榜单说明不了。