为什么 LLM 鹈鹕长这样？Design Creativity Bench 评测前沿模型 UI 设计创造力

Design Creativity Bench 对 16 个前沿模型在 80 个开放式 UI 任务上的设计创造力进行评测，从原创性、创意跨度和适配度三个维度打分。表现最佳的 OpenAI GPT-6 Astra 得分为 65.5，人类设计师参考分为 92.3，显示前沿模型与人类在设计创造力上仍有明显差距。完整排行榜、方法论文与可复现评测框架已公开。