Immagine AI

Contra Labs, il laboratorio di ricerca della piattaforma statunitense Contra, ha presentato il 18 novembre 2026 il Frontier Design Benchmark, un sistema di valutazione sviluppato in collaborazione con BenchFlow per confrontare le capacità progettuali dei modelli di intelligenza artificiale con quelle dei designer professionisti. La prima classifica ha collocato al vertice Gestalt, un modello la cui identità e struttura tecnologica non sono state rese pubbliche. Il sistema ha raggiunto un punteggio Elo di 1.931 e una percentuale complessiva di vittorie del 90%, superando i lavori realizzati da designer umani, classificati al secondo posto con 1.739 punti, e Claude Fable 5.2, terzo con 1.713 punti. Il risultato riguarda la qualità delle interfacce prodotte per incarichi commerciali concreti, valutata da professionisti attraverso confronti anonimi, e non una misurazione generale di tutte le competenze richieste nell’attività di progettazione digitale.

Contra gestisce una rete internazionale di oltre 1,5 milioni di professionisti creativi, comprendente designer e sviluppatori, e ha costituito Contra Labs nel marzo 2026 per studiare le capacità dei sistemi generativi in attività professionali reali. Il nuovo benchmark utilizza richieste provenienti dal mercato dei servizi creativi, anziché semplici istruzioni artificiali costruite per valutare la generazione di pagine web. I ricercatori hanno esaminato circa 4.600 richieste di progettazione raccolte nell’arco di un anno, ricavandone 27 incarichi rappresentativi, ai quali sono stati aggiunti sei progetti commissionati effettivamente da startup. I 33 compiti comprendono siti aziendali, portali articolati su più pagine, applicazioni web con funzionalità di pagamento e interfacce per dispositivi mobili. Ogni incarico specifica elementi come identità del marchio, pubblico di riferimento, obiettivi commerciali, contenuti richiesti e compatibilità con gli schermi mobili.

La valutazione ha previsto 4.311 votazioni comparative effettuate da 35 designer professionisti, ai quali venivano presentate due soluzioni relative allo stesso incarico senza rivelarne l’autore. La scelta si basava sull’insieme delle caratteristiche del progetto, comprendendo disposizione degli elementi, tipografia, combinazioni cromatiche, usabilità e rispetto delle indicazioni del cliente. La metodologia integra inoltre una valutazione strutturata su 35 dimensioni e un sistema dedicato al riconoscimento di configurazioni estetiche ripetitive comunemente associate ai contenuti generati automaticamente. La graduatoria ottenuta dai giudizi professionali è stata confrontata con i punteggi derivanti dalla valutazione strutturata, mostrando una correlazione di 0,94. Per verificare la stabilità dei risultati, i giudizi sono stati suddivisi in due gruppi indipendenti, ottenendo una correlazione delle classifiche pari a 0,95.

Gestalt ha ottenuto risultati particolarmente elevati anche nei confronti diretti con i lavori umani. Su 28 valutazioni comparative tra il modello e designer professionisti, la soluzione generata automaticamente è stata preferita in 20 occasioni, corrispondenti a circa il 71% dei confronti. La prestazione si distingue dalla percentuale generale di vittorie del 90%, che comprende confronti con altri modelli e differenti combinazioni di progetti. La classifica pubblicata comprende inoltre Claude Opus 5.5 con 1.691 punti, GPT-6.1 Sol con 1.668, Claude Sonnet 5.5 con 1.667, Kimi K3.1 Pro con 1.663 e GPT-6 Astra con 1.638. I risultati riflettono le preferenze espresse nell’ambito del benchmark e possono modificarsi con l’aggiunta di nuovi confronti e sistemi partecipanti.

Un elemento ancora irrisolto riguarda l’identità di Gestalt. Contra Labs ha dichiarato di collaborare con il gruppo responsabile del modello per valutarne le prestazioni, ma non ha comunicato il nome dello sviluppatore, il numero di parametri, l’architettura, le modalità di addestramento o un eventuale calendario di distribuzione. Non è quindi possibile stabilire se il risultato derivi da un modello linguistico generalista particolarmente avanzato, da un sistema specializzato nella generazione di interfacce oppure da una combinazione di componenti differenti. L’assenza di informazioni sulla struttura impedisce inoltre di confrontare in modo completo costi, risorse computazionali e procedure operative rispetto ai modelli disponibili commercialmente.

Il Frontier Design Benchmark misura principalmente la qualità delle soluzioni prodotte rispetto a specifiche richieste progettuali e al giudizio espresso da designer professionisti. Non certifica invece l’autonomia dei sistemi nella raccolta dei requisiti, nella gestione continuativa del cliente, nell’accessibilità certificata o nella manutenzione delle applicazioni dopo la distribuzione. Il risultato attribuito a Gestalt riguarda pertanto una competenza circoscritta ma rilevante: la capacità di generare interfacce digitali considerate qualitativamente superiori a quelle umane in una maggioranza dei confronti diretti esaminati.

Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)

Di Fantasy