Abbiamo confrontato GPT-5.6 Sol sul Design Arena’s Web Design (Non-Agentic) Arena e siamo rimasti sorpresi di scoprire che si classifica al primo posto in assoluto. Si tratta di 18 posizioni in più rispetto al suo predecessore GPT-5.5, ed è la prima volta che un modello OpenAI raggiunge il primo posto in questa classifica.
Abbiamo approfondito analizzando i deployment di GPT-5.6 Sol per tracciare in quali attività di frontend coding il modello eccelle:
- GPT-5.6 Sol sembra riconoscere e sopprimere attivamente i comuni anti-pattern di design dell’AI. Abbiamo proiettato gli embedding CLIP di 1.000 siti web generati da GPT-5.6 utilizzando UMAP per visualizzare il manifold di design del modello. Sorprendentemente, abbiamo scoperto che il suo spazio di design contiene lacune evidenti laddove GPT-5.5 produce gradienti viola, layout a bento box, testi hero sovradimensionati e composizioni fuori asse, suggerendo che GPT-5.6 ha imparato questi anti-pattern dell’AI ma li evita selettivamente nella generazione.
- Combina template solidi con una personalizzazione insolitamente elevata. GPT-5.6 Sol parte da strutture di design collaudate ma le adatta sostanzialmente a ogni prompt, trovando un equilibrio migliore tra coerenza e varietà rispetto a modelli fortemente basati su template o completamente non vincolati.
GPT 5.6 Sol stabilisce due nuove frontiere di Pareto sia per preferenza vs velocità che per preferenza vs prezzo. È oltre 2,44x più veloce di GLM 5.2 (precedentemente al primo posto) e 36% più veloce di Claude Fable 5, con un prezzo di $5/$30 per 1 milione di token rispetto a $10/$50 per 1 milione di token di Claude Fable 5.
Cosa è cambiato negli output dei siti web di GPT-5.6 Sol?
Abbiamo scoperto che il gusto estetico di GPT-5.6 Sol è stato accuratamente curato per evitare quegli anti-pattern dell’AI che portano a un’estetica generica. Questa specializzazione nel design e l’approccio unico ai template collocano GPT-5.6 Sol al primo posto nelle nostre classifiche a turno singolo.
Comportamento del Modello #1: Evitamento Esplicito degli Anti-Pattern dell’AI
Nella nostra recensione di GPT-5.5 tre mesi fa, abbiamo identificato una serie di "odori di design" che GPT-5.5 produceva costantemente. Questi odori di design includevano caratteri tipografici grandi al posto di immagini hero, decisioni di layout insolite e gradienti viola abusati. Siamo lieti di dire che la maggior parte di questi odori di design è completamente scomparsa in GPT-5.6 Sol.
Perdente che indica l’“Odore” di Design AI Classico #1: Gradienti viola e blu
Perdente che indica l’“Odore” di Design AI Classico #2: Sfondo a griglia
Sebbene GPT-5.6 Sol non sia l’unico modello a risolvere il problema degli anti-pattern, adotta un approccio unico che vale la pena evidenziare. Abbiamo proiettato gli embedding CLIP di 1.000 siti web generati da GPT-5.6 utilizzando UMAP per visualizzare il manifold di design del modello: la regione del più ampio spazio di embedding CLIP occupata dalle sue generazioni. Trovi quella visualizzazione qui sotto.
Siamo rimasti sconvolti nello scoprire strani buchi nel sottospazio risultante.
Questi buchi non sono presenti in altri modelli, come nella visualizzazione di GPT-5.5 qui sotto, poiché la maggior parte dei modelli produce design web simili ad altri design generati in precedenza, con variazioni che derivano solo dal prompt stesso. Poiché la proiezione UMAP teoricamente preserva i buchi nel manifold (assumendo i giusti parametri di proiezione), trovare buchi nello spazio di design di un modello ma non in un altro segnala che GPT-5.6 Sol potrebbe avere un cluster di design all’interno di quei buchi che non sta generando.
Per capire quali design si trovano all’interno di questi buchi, abbiamo sovrapposto i siti web di GPT-5.6 Sol e GPT-5.5 nello stesso spazio di embedding e condotto la stessa proiezione UMAP di prima. Da lì, abbiamo colorato tutte le generazioni di GPT-5.6 Sol in arancione, poi le abbiamo sovrapposte a quelle di GPT-5.5. Le regioni senza arancione sarebbero pattern specifici di GPT-5.5, mentre le regioni con arancione sarebbero specifiche di GPT-5.6 Sol.
Questo diventa ancora più chiaro se rimuoviamo gli screenshot e sostituiamo le generazioni specifiche di GPT-5.5 e GPT-5.6 Sol rispettivamente con punti blu e arancioni. Questo ci dà la visualizzazione qui sotto, dove possiamo vedere che GPT-5.5 e GPT-5.6 Sol generano siti web per lo più simili, con GPT-5.6 Sol che mostra una varianza leggermente maggiore rispetto a GPT-5.5.
Tuttavia, c’è un grande cluster in cui GPT-5.5 e GPT-5.6 Sol non si sovrappongono affatto: il cluster per i siti web con gradienti viola.
Mentre GPT-5.6 Sol produce design in gran parte simili a GPT-5.5, c’è un chiaro sforzo nell’evitare molti comuni anti-pattern dell’AI. Vediamo lo stesso effetto per altri anti-pattern, come layout a bento box, caratteri grandi nelle immagini hero e layout sfalsati.
Questo approccio è notevolmente diverso da altri modelli. Ad esempio, GLM-5.2 evita anti-pattern come i caratteri grandi imparando un set di template che non li includono. Questo evita gli anti-pattern senza creare buchi nello spazio generato, poiché GLM-5.2 semplicemente evita del tutto di generare design con anti-pattern.
Mentre GLM-5.2 sembra aver evitato del tutto di imparare gli anti-pattern di design (e quindi evita di produrli), sembra che GPT-5.6 Sol abbia imparato che specifici anti-pattern di design esistono, ma si rifiuta di produrli.
Nonostante l’evitamento dei comuni anti-pattern, questo approccio non si generalizza a tutti gli anti-pattern. Ad esempio, GPT-5.6 Sol abusa costantemente dei confetti, che appaiono in oltre il 26,5% delle generazioni. Arriva persino a creare da zero le proprie librerie di confetti quando non ne vengono fornite.
Il modello ha anche prestazioni inferiori nella creazione di grafici e visualizzazioni di dati, poiché non eccelle nell’utilizzo di chart.js per creare grafici realistici.
Comportamento del Modello #2: Template Personalizzati Trovano l’Equilibrio tra Generalizzazione e Specializzazione
Uno dei segnali principali che misuriamo per le prestazioni del modello è il "templating", dove i modelli simulano il gusto estetico imparando un set di template ad alte prestazioni che funzionano bene nell’arena. Questo è normale per i modelli di frontiera, e in un’analisi precedente per GLM 5.2, abbiamo scoperto che questa strategia gli ha permesso di raggiungere la prima posizione nella nostra classifica.
Confrontalo con Claude Fable 5, che abbiamo scoperto avere quasi nessun templating. Ha uno spazio di design molto più vario, personalizzando ogni output in base alle esigenze dell’utente.
GPT-5.6 Sol combina i due approcci di design utilizzando template, ma apportando molte più modifiche per creare varianza all’interno di ogni cluster. Proprio come i batteri si evolvono in diversi ceppi genetici correlati, il modello ha cluster simili di design che vengono poi ulteriormente personalizzati in base al prompt dell’utente. Questo è particolarmente evidente nell’uso delle immagini da parte di GPT-5.6 Sol, poiché il modello tende a utilizzare la stessa immagine per più contesti e casi d’uso diversi.
Questa personalizzazione è proprio il motivo per cui GPT-5.6 Sol ottiene così buoni risultati su Design Arena, poiché ogni utente riceve un sito web personalizzato per il proprio caso d’uso che sembra comunque progettato professionalmente.
Cosa significa per la scelta del modello
Nel complesso, questi risultati suggeriscono che il vantaggio di GPT-5.6 Sol deriva dall’essere più selettivo e più adattivo. Sembra (1) aver imparato quali pattern visivi fanno sembrare i siti web generati dall’AI generici, e poi li sopprime attivamente, preservando comunque un set di strutture di design affidabili che può personalizzare per ogni prompt, e (2) combina design basati su template con output personalizzati.
Questi sono alcuni degli indicatori principali che hanno portato GPT-5.6 Sol a guidare la classifica di Design Arena.
Continueremo a monitorare le prestazioni di GPT-5.6 Sol e come si confronta con altri modelli. Congratulazioni al team di OpenAI per il lancio, e provate voi stessi GPT-5.6 Sol su DesignArena.ai.
