我們對 GPT-5.6 Sol 進行了基準測試，結果在 Design Arena 的網頁設計（非 Agent 導向）排行榜 上，我們驚訝地發現它排名第一。這比其前身 GPT-5.5 高了 18 個名次，也是 OpenAI 模型首次 在這個排行榜上奪冠。
我們深入分析並拆解了 GPT-5.6 Sol 的部署情況，以追蹤該模型在哪些前端編碼任務上表現出色：
- GPT-5.6 Sol 似乎能夠 識別 並 主動 抑制 常見的 AI 設計反模式。 我們將 GPT-5.6 生成的 1,000 個網站的 CLIP 嵌入向量，使用 UMAP 進行投影，以視覺化該模型的設計流形。令人震驚的是，我們發現其設計空間中存在明顯的空白區域，而 GPT-5.5 在這些區域中會產生紫色漸層、 便當盒佈局、過大的英雄文字以及偏移構圖，這表明 GPT-5.6 已經學會了這些 AI 反模式，但選擇性地避免生成它們。
- 它結合了強大的模板與異常高的個人化程度。 GPT-5.6 Sol 從經過驗證的設計結構出發，但根據每個提示進行大幅調整，在一致性和多樣性之間取得了比高度模板化或完全無約束模型更好的平衡。
GPT 5.6 Sol 建立了兩個新的帕累托前沿（Pareto frontiers），分別是偏好 vs. 速度，以及偏好 vs. 價格。它比 GLM 5.2（先前排名第一）快 2.44 倍以上，比 Claude Fable 5 快 36%，價格為 每 100 萬個 Token $5/$30，而 Claude Fable 5 的價格為 每 100 萬個 Token $10/$50。
那麼 GPT-5.6 Sol 的網站輸出到底改變了什麼？
我們發現 GPT-5.6 Sol 的設計品味經過精心策劃，以避免那些導致美學平庸的 AI 反模式。這種在設計方面的專精以及對模板化的獨特處理方式，使 GPT-5.6 Sol 在我們的單輪排行榜上名列第一。
模型行為 #1：明確避免 AI 反模式
在 三個月前我們對 GPT-5.5 的評測 中，我們指出了一組 GPT-5.5 一致產生的「設計氣味」。這些設計氣味包括：使用大字體而非英雄圖片、不尋常的佈局決策，以及過度使用的紫色漸層。我們很高興地宣布，這些設計氣味在 GPT-5.6 Sol 中已經完全消失。
失敗者代表經典 AI 設計「氣味」#1：紫色與藍色漸層
失敗者代表經典 AI 設計「氣味」#2：網格背景
雖然 GPT-5.6 Sol 並非唯一解決反模式問題的模型，但它採取了一種值得強調的獨特方法。我們將 GPT-5.6 生成的 1,000 個網站的 CLIP 嵌入向量，使用 UMAP 進行投影，以視覺化該模型的設計流形：即其生成物所佔據的更大 CLIP 嵌入空間區域。請見下方的視覺化圖表。
我們震驚地發現，由此產生的子空間中出現了奇怪的空洞。
這些空洞在其他模型中並不存在，例如在下方的 GPT-5.5 視覺化圖表中就沒有，因為大多數模型產生的網頁設計與先前生成的設計相似，唯一的變化來自於提示本身。由於 UMAP 投影在理論上會保留流形中的空洞（假設投影參數正確），因此在一個模型的設計空間中發現空洞，而在另一個模型中卻沒有，這表明 GPT-5.6 Sol 可能擁有那些空洞內的設計集群，但卻沒有生成它們。
為了釐清這些空洞內究竟是什麼設計，我們將 GPT-5.6 Sol 和 GPT-5.5 的網站放在同一個嵌入空間中重疊，並進行與之前相同的 UMAP 投影。接著，我們將所有 GPT-5.6 Sol 的生成物標記為橙色，然後疊加在 GPT-5.5 的生成物之上。任何沒有橙色的區域將是 GPT-5.5 特有的模式，而有橙色的區域則是 GPT-5.6 Sol 特有的。
如果我們移除螢幕截圖，並分別用藍色和橙色圓點取代 GPT-5.5 和 GPT-5.6 Sol 特有的生成物，這會變得更加清晰。這就得到了下圖，我們可以看到 GPT-5.5 和 GPT-5.6 Sol 生成的網站大多相似，而 GPT-5.6 Sol 的變異程度略高於 GPT-5.5。
然而，有一個主要集群是 GPT-5.5 和 GPT-5.6 Sol 完全沒有重疊的：那就是帶有紫色漸層的網站集群。
雖然 GPT-5.6 Sol 產生的設計與 GPT-5.5 大致相似，但在避免許多常見的 AI 反模式方面，明顯做出了努力。我們在其他反模式上也看到了同樣的效果，例如便當盒佈局、英雄圖片中的大字體，以及偏移佈局。
這種方法與其他模型明顯不同。例如，GLM-5.2 透過學習一套不包含這些反模式的模板來避免大字體等反模式。這種方法避免了反模式，同時不會在生成空間中產生空洞，因為 GLM-5.2 只是完全避免生成帶有反模式的設計。
雖然 GLM-5.2 似乎從一開始就避免學習設計反模式（因此也避免了產生它們），但 GPT-5.6 Sol 似乎已經學會了特定設計反模式的存在，但拒絕生成它們。
儘管避免了常見的反模式，但這種方法並不能推廣到所有反模式。例如，GPT-5.6 Sol 一致地過度使用彩紙效果，這出現在超過 26.5% 的生成物中。它甚至會在手動編寫自己的彩紙函式庫，當提示中沒有提供時。
該模型在建立圖表和資料視覺化方面表現也較差，因為它不擅長使用 chart.js 來建立逼真的圖表。
模型行為 #2：客製化模板在泛化與特化之間取得平衡
我們衡量模型表現的主要訊號之一是「模板化」，即模型透過學習一套在競技場上表現良好的高效模板來模擬設計品味。這對於前沿模型來說是正常的，在 之前對 GLM 5.2 的分析 中，我們發現這種策略使其能夠登上排行榜第一名。
將其與 Claude Fable 5 進行比較，我們發現它幾乎沒有模板化。它的設計空間變異性更大，每個輸出都會根據用戶的需求進行個人化。
GPT-5.6 Sol 結合了這兩種設計方法：利用模板，但在每個集群中進行更多變更以創造變異。就像細菌演化成不同的相關遺傳菌株一樣，該模型擁有相似的設計集群，然後再根據用戶的提示進行進一步個人化。這在 GPT-5.6 Sol 使用圖片時尤其明顯，因為該模型傾向於在不同情境和用例中使用相同的圖片。
這種個人化正是 GPT-5.6 Sol 在 Design Arena 上表現如此出色的原因，因為每位用戶都收到一個針對其用例客製化的網站，同時仍然感覺像是專業設計的。
這對模型選擇的意義
綜合這些發現，表明 GPT-5.6 Sol 的優勢來自於它更具選擇性且更具適應性。它似乎 (1) 學會了哪些視覺模式會讓 AI 生成的網站感覺平庸，然後主動抑制它們，同時仍保留一套可靠的設計結構，可以根據每個提示進行客製化，以及 (2) 將模板化設計與客製化輸出相結合。
這些是導致 GPT-5.6 Sol 在 Design Arena 排行榜上領先的一些主要指標。
我們將持續監控 GPT-5.6 Sol 的表現以及它與其他模型的比較。恭喜 OpenAI 團隊推出此模型，也請到 DesignArena.ai 親自試試 GPT-5.6 Sol。
