并排模型比较
用户提交提示词后，平台会将其交给多个 AI 模型运行，从而可以将结果相互对比，而不是单独评估。
概述
Design Arena 是一个用于 AI 生成设计的众包基准平台。它将同一个提示词提供给多个模型，并并排展示它们的输出，让用户投票选出最强的结果。
该网站将自己定位为一种通过社区判断而非精选示例来评估设计能力的方式。排行榜会根据两两投票进行更新，而方法页面说明模型排名是基于这些比较，并采用 Bradley-Terry 框架得出的。
核心功能
锦标赛式投票流程
方法页面描述了一种锦标赛结构，包括初始配对、胜者组和败者组，以及最终排名，每次会话都会为四个模型生成完整排序。
盲评
评估过程中会隐藏模型身份，旨在减少品牌偏见，并让注意力集中在设计输出上。
社区驱动的排行榜
社区投票会直接更新排行榜，因此每一次两两比较都会贡献到排名数据中。
统计排名模型
方法页面说明排名使用 Bradley-Terry 模型计算，结合两两比较数据和胜率来估计模型强度。
模型对比详情
模型页面展示每个模型的详细信息，例如总体胜率、输入成本、输出成本、上下文窗口和最大输出 token 数。
常见用例
评估模型输出质量
产品团队可以比较同一提示词生成的多个模型输出，查看哪一个能为网站、应用或界面任务产生最可用的设计方向。
在选择模型前进行比较
构建 AI 设计工具的开发者可以查看排行榜、胜率和模型规格，选择适合其任务和 token 预算的模型。
研究基于众包的评估方法
研究人员和实践者可以借助公开的方法说明，了解该基准如何运作以及投票过程衡量的内容。
参与投票
社区成员可以对匿名的并排结果投票，在无需技术配置的情况下为排名做出贡献。
探索设计任务类别
对当前 AI 生成设计格局感兴趣的用户可以浏览网站的提示词类别和模型页面，查看正在基准测试的是哪些任务类型。
Pros and Cons
Pros
- 在多个模型上使用相同提示词，使比较更加直接。
- 投票时隐藏模型身份，以减少品牌偏见。
- 公开方法细节，包括锦标赛流程和排名计算方式。
- 展示模型层面的信息，例如胜率、成本、上下文窗口和输出限制。
- 拥有庞大的用户社区，网站宣称有 470 万以上用户，并有来自 190 多个国家的投票者。
Cons
- 公开资料未显示集成、导出选项或 API 文档。
- 排行榜方法依赖社区投票，因此结果反映的是相对偏好，而不是客观的设计分数。
- 部分模型在获得足够的两两比较之前会被标记为初步结果。
FAQ
Design Arena 如何对模型进行排名？
Design Arena 使用社区投票来比较多个模型生成的 AI 设计输出。方法页面描述了一种锦标赛形式：将提示词发送给四个模型，对其结果进行两两比较，投票结果用于领导榜计算。
它评估哪些类型的设计任务？
该网站将 Design Arena 定位为一个用于 AI 生成设计的众包基准平台。它涵盖与设计相关的输出，例如网站、游戏开发、移动应用、UI 组件、幻灯片，以及主页和用户页面上展示的其他提示类别。
用户可以查看方法说明或提供反馈吗？
方法页面说明所有方法都向社区开放审阅和反馈，并提供联系邮箱 `contact@designarena.ai` 以便咨询。
Design Arena 是否列出集成或 API 访问？
公开资料显示了用于浏览排行榜、模型、方法说明和用户的页面，但没有记录任何集成、导出选项或 API 访问。
Quick Facts
- 类别
- AI 基准
- 主要用途
- 众包比较 AI 生成的设计输出
- 平台
- 网页
- 域名
- designarena.ai
- 社区规模
- 网站所称 470 万以上用户
- 方法
- 基于盲测两两投票的 Bradley-Terry 排名