हमने GPT-5.6 Sol को Design Arena’s Web Design (Non-Agentic) Arena पर बेंचमार्क किया, और हम यह जानकर हैरान रह गए कि यह कुल मिलाकर पहले स्थान पर है। यह अपने पूर्ववर्ती GPT-5.5 से 18 स्थान ऊपर है, और यह पहली बार है जब किसी OpenAI मॉडल ने इस लीडरबोर्ड पर पहला स्थान प्राप्त किया है।
हमने गहराई से जांच की और GPT-5.6 Sol के डिप्लॉयमेंट को विभाजित किया ताकि यह पता लगाया जा सके कि मॉडल किन फ्रंटएंड कोडिंग कार्यों में उत्कृष्ट है:
- GPT-5.6 Sol सामान्य AI डिज़ाइन एंटी-पैटर्न को पहचानने और सक्रिय रूप से दबाने में सक्षम प्रतीत होता है। हमने GPT-5.6 द्वारा उत्पन्न 1,000 वेबसाइटों के CLIP एम्बेडिंग को UMAP का उपयोग करके प्रोजेक्ट किया ताकि मॉडल के डिज़ाइन मैनिफोल्ड की कल्पना की जा सके। चौंकाने वाली बात यह है कि हमने पाया कि इसके डिज़ाइन स्पेस में स्पष्ट अंतराल हैं, जहाँ GPT-5.5 पर्पल ग्रेडिएंट, बेंटो-बॉक्स लेआउट, बड़े आकार का हीरो टेक्स्ट और ऑफसेट कंपोज़िशन उत्पन्न करता है, जो यह सुझाव देता है कि GPT-5.6 ने इन AI एंटी-पैटर्न को सीख लिया है, लेकिन चुनिंदा रूप से इन्हें उत्पन्न करने से बचता है।
- यह मजबूत टेम्पलेट्स को असामान्य रूप से उच्च वैयक्तिकरण के साथ जोड़ता है। GPT-5.6 Sol सिद्ध डिज़ाइन संरचनाओं से शुरू होता है, लेकिन उन्हें प्रत्येक प्रॉम्प्ट के अनुसार काफी हद तक अनुकूलित करता है, जो अत्यधिक टेम्पलेटेड या पूरी तरह से अप्रतिबंधित मॉडलों की तुलना में स्थिरता और विविधता के बीच बेहतर संतुलन बनाता है।
GPT 5.6 Sol पसंद बनाम गति और पसंद बनाम मूल्य दोनों के लिए दो नए Pareto फ्रंटियर स्थापित करता है। यह GLM 5.2 (पहले पहले स्थान पर) से 2.44 गुना तेज और Claude Fable 5 से 36% तेज है, जिसकी कीमत $5/$30 प्रति 1 मिलियन टोकन है, जबकि Claude Fable 5 की कीमत $10/$50 प्रति 1 मिलियन टोकन है।
तो GPT-5.6 Sol के वेबसाइट आउटपुट में क्या बदलाव आया?
हमने पाया कि GPT-5.6 Sol के डिज़ाइन स्वाद को सावधानीपूर्वक क्यूरेट किया गया है ताकि AI एंटी-पैटर्न से बचा जा सके जो सामान्य सौंदर्यशास्त्र की ओर ले जाते हैं। डिज़ाइन में यह विशेषज्ञता और टेम्पलेटिंग के लिए अनूठा दृष्टिकोण GPT-5.6 Sol को हमारे सिंगल-टर्न लीडरबोर्ड पर पहले स्थान पर रखता है।
मॉडल व्यवहार #1: AI एंटी-पैटर्न का स्पष्ट परिहार
तीन महीने पहले GPT-5.5 की हमारी समीक्षा में, हमने "डिज़ाइन स्मेल्स" का एक सेट पहचाना था जो GPT-5.5 लगातार उत्पन्न करता था। इन डिज़ाइन स्मेल्स में बड़े टाइपफेस (हीरो इमेज के बजाय), असामान्य लेआउट निर्णय और अत्यधिक उपयोग किए गए पर्पल ग्रेडिएंट शामिल थे। हमें यह बताते हुए खुशी हो रही है कि GPT-5.6 Sol में ये अधिकांश डिज़ाइन स्मेल्स पूरी तरह से गायब हो गए हैं।
हारने वाला क्लासिक AI डिज़ाइन "स्मेल" #1: पर्पल और नीले ग्रेडिएंट को दर्शाता है
हारने वाला क्लासिक AI डिज़ाइन "स्मेल" #2: ग्रिड बैकग्राउंड को दर्शाता है
जबकि GPT-5.6 Sol अकेला ऐसा मॉडल नहीं है जिसने एंटी-पैटर्न की समस्या को हल किया है, यह एक अनूठा दृष्टिकोण अपनाता है जिसे उजागर करना उचित है। हमने GPT-5.6 द्वारा उत्पन्न 1,000 वेबसाइटों के CLIP एम्बेडिंग को UMAP का उपयोग करके प्रोजेक्ट किया ताकि मॉडल के डिज़ाइन मैनिफोल्ड की कल्पना की जा सके: बड़े CLIP एम्बेडिंग स्पेस का वह क्षेत्र जो इसके जनरेशन द्वारा घेरा गया है। वह विज़ुअलाइज़ेशन नीचे देखें।
हम परिणामी उप-स्थान में अजीब छेद पाकर हैरान रह गए।
ये छेद अन्य मॉडलों में मौजूद नहीं हैं, जैसे कि नीचे GPT-5.5 विज़ुअलाइज़ेशन में, क्योंकि अधिकांश मॉडल पहले उत्पन्न डिज़ाइनों के समान वेब डिज़ाइन उत्पन्न करते हैं, जिनमें केवल प्रॉम्प्ट से ही भिन्नताएँ आती हैं। चूंकि UMAP प्रोजेक्शन सैद्धांतिक रूप से मैनिफोल्ड में छेदों को संरक्षित करता है (सही प्रोजेक्शन पैरामीटर मानते हुए), एक मॉडल के डिज़ाइन स्पेस में छेद ढूंढना, जबकि दूसरे मॉडल में नहीं, यह संकेत देता है कि GPT-5.6 Sol के पास उन छेदों के भीतर डिज़ाइनों का एक समूह हो सकता है जिसे वह उत्पन्न नहीं कर रहा है।
यह पता लगाने के लिए कि इन छेदों के अंदर कौन से डिज़ाइन हैं, हमने GPT-5.6 Sol और GPT-5.5 की वेबसाइटों को एक ही एम्बेडिंग स्पेस में ओवरलैप किया और पहले की तरह ही UMAP प्रोजेक्शन किया। वहाँ से, हमने सभी GPT-5.6 Sol जनरेशन को नारंगी रंग दिया, फिर उन्हें GPT-5.5 के जनरेशन के ऊपर रख दिया। जिन क्षेत्रों में नारंगी नहीं होगा, वे GPT-5.5 के विशिष्ट पैटर्न होंगे, जबकि जिन क्षेत्रों में नारंगी होगा, वे GPT-5.6 Sol के विशिष्ट होंगे।
यह और भी स्पष्ट हो जाता है यदि हम स्क्रीनशॉट हटा दें और GPT-5.5 और GPT-5.6 Sol विशिष्ट जनरेशन को क्रमशः नीले और नारंगी बिंदुओं से बदल दें। यह हमें नीचे विज़ुअलाइज़ेशन देता है, जहाँ हम देख सकते हैं कि GPT-5.5 और GPT-5.6 Sol अधिकतर समान वेबसाइटें उत्पन्न करते हैं, GPT-5.6 Sol GPT-5.5 की तुलना में थोड़ा अधिक विचरण दिखाता है।
हालाँकि, एक प्रमुख क्लस्टर है जहाँ GPT-5.5 और GPT-5.6 Sol बिल्कुल भी ओवरलैप नहीं होते हैं: पर्पल ग्रेडिएंट वाली वेबसाइटों का क्लस्टर।
जबकि GPT-5.6 Sol काफी हद तक GPT-5.5 के समान डिज़ाइन उत्पन्न करता है, कई सामान्य AI एंटी-पैटर्न से बचने के लिए एक स्पष्ट प्रयास है। हम अन्य एंटी-पैटर्न के लिए भी यही प्रभाव देखते हैं, जैसे कि बेंटो बॉक्स लेआउट, हीरो इमेज में बड़े टाइपफेस और ऑफसेट लेआउट।
यह दृष्टिकोण अन्य मॉडलों से स्पष्ट रूप से भिन्न है। उदाहरण के लिए, GLM-5.2 बड़े टाइपफेस जैसे एंटी-पैटर्न से बचता है, जैसे कि टेम्पलेट्स का एक सेट सीखना जिसमें वे शामिल नहीं हैं। यह उत्पन्न स्थान में छेद बनाए बिना एंटी-पैटर्न से बचता है क्योंकि GLM-5.2 पूरी तरह से एंटी-पैटर्न वाले डिज़ाइनों को उत्पन्न करने से बचता है।
जबकि GLM-5.2 ने डिज़ाइन एंटी-पैटर्न को बिल्कुल भी नहीं सीखा है (और इस प्रकार उन्हें उत्पन्न करने से बचता है), ऐसा प्रतीत होता है कि GPT-5.6 Sol ने सीख लिया है कि विशिष्ट डिज़ाइन एंटी-पैटर्न मौजूद हैं, लेकिन उन्हें उत्पन्न करने से इनकार करता है।
सामान्य एंटी-पैटर्न से बचने के बावजूद, यह दृष्टिकोण सभी एंटी-पैटर्न पर लागू नहीं होता है। उदाहरण के लिए, GPT-5.6 Sol लगातार कॉन्फ़ेटी का अत्यधिक उपयोग करता है, जो 26.5% से अधिक जनरेशन में दिखाई देता है। यहाँ तक कि जब कोई कॉन्फ़ेटी लाइब्रेरी उपलब्ध नहीं कराई जाती है, तब भी यह अपनी खुद की कॉन्फ़ेटी लाइब्रेरी बनाने की हद तक चला जाता है।
चार्ट और डेटा विज़ुअलाइज़ेशन बनाते समय मॉडल का प्रदर्शन भी कम है, क्योंकि यह यथार्थवादी चार्ट बनाने के लिए chart.js का उपयोग करने में उत्कृष्ट नहीं है।
मॉडल व्यवहार #2: अनुकूलित टेम्पलेट्स सामान्यीकरण और विशेषज्ञता के बीच संतुलन बनाते हैं
मॉडल प्रदर्शन के लिए हम जिन प्राथमिक संकेतों को मापते हैं, उनमें से एक "टेम्पलेटिंग" है, जहाँ मॉडल उच्च-प्रदर्शन वाले टेम्पलेट्स का एक सेट सीखकर डिज़ाइन स्वाद का अनुकरण करते हैं जो अखाड़े में अच्छा प्रदर्शन करते हैं। यह फ्रंटियर-स्तरीय मॉडलों के लिए सामान्य है, और GLM 5.2 के लिए एक पिछले विश्लेषण में, हमने पाया कि इस रणनीति ने इसे हमारे लीडरबोर्ड पर पहला स्थान प्राप्त करने की अनुमति दी।
इसकी तुलना Claude Fable 5 से करें, जिसमें हमने पाया कि लगभग कोई टेम्पलेटिंग नहीं है। इसका एक अधिक विविध डिज़ाइन स्पेस है, प्रत्येक आउटपुट को उपयोगकर्ता की आवश्यकताओं के अनुसार वैयक्तिकृत करता है।
GPT-5.6 Sol टेम्पलेट्स का उपयोग करके दो डिज़ाइन दृष्टिकोणों को जोड़ता है, लेकिन प्रत्येक क्लस्टर के भीतर विचरण पैदा करने के लिए कहीं अधिक परिवर्तन करता है। जिस प्रकार बैक्टीरिया विभिन्न संबंधित आनुवंशिक स्ट्रेन में विकसित होता है, उसी प्रकार मॉडल में डिज़ाइनों के समान क्लस्टर होते हैं जिन्हें बाद में उपयोगकर्ता के प्रॉम्प्ट के अनुसार और अधिक वैयक्तिकृत किया जाता है। यह विशेष रूप से GPT-5.6 Sol द्वारा इमेज के उपयोग में स्पष्ट है, क्योंकि मॉडल एक ही इमेज को कई अलग-अलग संदर्भों और उपयोग के मामलों में उपयोग करता है।
यह वैयक्तिकरण ही कारण है कि GPT-5.6 Sol Design Arena पर इतना अच्छा प्रदर्शन करता है, क्योंकि प्रत्येक उपयोगकर्ता को उनके उपयोग के मामले के लिए एक अनुकूलित वेबसाइट मिलती है जो अभी भी पेशेवर रूप से डिज़ाइन की गई प्रतीत होती है।
मॉडल चयन के लिए इसका क्या अर्थ है
एक साथ लेने पर, ये निष्कर्ष बताते हैं कि GPT-5.6 Sol का लाभ अधिक चयनात्मक और अधिक अनुकूली दोनों होने से आता है। ऐसा प्रतीत होता है कि इसने (1) सीख लिया है कि कौन से दृश्य पैटर्न AI-जनित वेबसाइटों को सामान्य बनाते हैं, फिर सक्रिय रूप से उन्हें दबाता है, जबकि अभी भी विश्वसनीय डिज़ाइन संरचनाओं का एक सेट संरक्षित करता है जिसे वह प्रत्येक प्रॉम्प्ट के अनुसार अनुकूलित कर सकता है, और (2) टेम्पलेटेड डिज़ाइनों को अनुकूलित आउटपुट के साथ जोड़ता है।
ये कुछ प्राथमिक संकेतक हैं जिनके परिणामस्वरूप GPT-5.6 Sol Design Arena लीडरबोर्ड में अग्रणी है।
हम GPT-5.6 Sol के प्रदर्शन और अन्य मॉडलों से इसकी तुलना की निगरानी जारी रखेंगे। लॉन्च के लिए OpenAI टीम को बधाई, और DesignArena.ai पर स्वयं GPT-5.6 Sol को आज़माएँ।
