OpenDesign, компанія, що стоїть за бенчмарк-сайтом OpenDesign Arena, цього тижня прогнала 13 моделей ШІ через той самий набір дизайнерських завдань. Лідером стала GPT-6 Astra від OpenAI. Але найновіша модель DeepSeek, V4.1 Flash, досягла 98% від цього найвищого результату, коштуючи при цьому близько 1.4% від найвищої ціни.
OpenDesign Arena оцінює моделі за повсякденною дизайнерською роботою — створенням веб-додатків, дашбордів, мобільних екранів та лендінг-сторінок — зі 100 можливих балів. Тридцять з цих балів перевіряють, чи відповідає результат заявленому завданню; інші 70 оцінюють якість дизайну за макетом, ієрархією, кольором та відповідністю стилю.
Він створений для того, щоб відповісти на більш вузьке питання, ніж більшість лідербордів ШІ: яку модель має використовувати веб-дизайнер завтра.
За цією шкалою GPT-6 Astra набрала в середньому 82.7 бали, витрачаючи 11.1 хвилини та $1.61 за готовий дизайн. DeepSeek V4.1 Flash набрала 81.2 бали, виконала роботу за 5.3 хвилини та коштувала $0.023. Claude Fable 5.1 отримала 80.3 бали, витратила 12.8 хвилини та коштувала $3.66.
Кожна інша модель, протестована OpenDesign — Grok 4.6, Qwen 3.8-Max, Kimi K3, GLM-5.3 Flash та Gemini 3.8 Flash серед них — отримала нижчі бали, ніж DeepSeek V4.1 Flash, і коштувала дорожче в експлуатації. Це 11 з 13 протестованих моделей. Лише GPT-6 Astra перевершила її, і то лише на півтора бали.
Технічний звіт DeepSeek для V4.1 Flash пояснює, звідки беруться заощадження. Модель має загалом 552 мільярди параметрів — внутрішні налаштування, які модель налаштовує під час навчання для зберігання того, що вона засвоїла — але активує лише 8 мільярдів з них для читання вхідного запиту та 16 мільярдів для написання відповіді. DeepSeek називає це дизайном Causal Encoder-Decoder, і це той самий трюк, що стоїть за швидким часом завершення роботи моделі.
Це не перша спроба DeepSeek заповнити прогалину в можливостях дешево. Кілька тижнів тому модель V4 Pro цієї компанії показала результат у межах 5% від Claude Fable 5 у окремому порівняльному тесті, стягуючи лише частку від вартості Fable. DeepSeek також наймає інженерів у Пекіні для створення власного Code Harness, прагнучи володіти повним агентським стеком замість того, щоб просто постачати базову модель.
Налаштування тестування OpenDesign звужують те, що можуть довести ці цифри. Результат моделі оцінюється лише тоді, коли він відображається як працююча веб-сторінка; будь-що пусте, зламане або обрізане отримує нуль балів і не перевіряється повторно. Це означає, що бенчмарк вимірює надійний, повсякденний дизайнерський результат, а не загальні міркування або навички кодування.
GPT-6 Astra, яку OpenAI випустила 3 вересня, вже має репутацію моделі, що виконує багато різних завдань — розробляє друковану плату, складає податкову декларацію, створює 3D-сцену — але перші тестувальники відзначили її як слабшого письменника, ніж модель, яку вона замінила. Її ціна та швидкість у таблиці OpenDesign відповідають тому ж узагальненому дизайну: повільніша та дорожча, ніж дешевший варіант DeepSeek, але все ще найвищий показник у цій галузі.
Показник доставки DeepSeek V4.1 Flash — частка результатів, які OpenDesign вважала готовими до передачі без перегляду — склав 57.7%. Показник доставки GPT-6 Astra становив 60%. У Claude Fable 5.1 — 56.7%.
