Kombai 發布 UI 設計創造力基準，最強模型僅 65.5 分
Kombai 發布 Design Creativity Bench，用 80 個開放式 UI 設計任務評測 16 個前沿模型的設計創造力，最強模型 OpenAI GPT-6 Astra 僅得 65.5 分，人類設計師參考為 92.3 分。榜單其後是 GPT-6.1 Sol 63.7、Grok 4.7 62.2、Gemini 3.8 Flash 60.6。
把 UI 設計創造力拆成原創性、創意範圍與恰當性三個可測維度，並給出 16 個前沿模型與人類 92.3 分的量化差距，對用 AI 生成介面與前端程式碼的人有直接參考價值。
原標題：The Emperor Pelican Has No Clothes
閱讀原文
| 評分 | 72 / 72（平均 72，門檻 76） |
|---|---|
| 狀態 | 未入選 |
相關報導
OpenAI 向全體 ChatGPT 使用者推出 GPT‑6 與 Intelligent UI
OpenAI 於 10 月 7 日發布面向所有 ChatGPT 使用者的 GPT‑6，覆蓋每週超過 12 億的使用者；上個月首批 GPT‑6 模型僅向付費使用者開放。新模型在 ChatGPT 中引入 Intelligent UI，能把回答組織成文字、圖形、可點按鈕、表單、圖表與可互動元件的組合，形式依問題而定，純文字回答依然保留。官方範例中，一份週日烤羊排計劃會同時給出按人數換算的羊肉與土豆用量表、分時段安排和步驟說明。
@OpenAIDevs: Powered by GPT-6 Luna, it accepts text and image inputs and supports 3 kinds of outputs:
OpenAI 開發者帳號披露 GPT-6 Luna：該模型接受文字與影像輸入，支援三種輸出形式。Predicates 用於估計某條陳述為真的機率；Choices 從預設選項中做出選擇並給出置信度分數；Scores 按數值區間對輸入進行評分。帖子只描述了輸入輸出能力，未提及定價、上下文長度、可用範圍或上線時間。
PaperBenchX 發布：GPT-6 Astra 完整復現率僅 13.98%
UniPat AI 發布 PaperBenchX，稱其為國際上首個多學科端到端論文結果復現基準，從 93 篇論文建置 93 個復現任務，橫跨電磁、光子、化學、材料、生物、機器人等 12 個研究方向和 10 種領域原生科學環境，含 3168 條專家校驗評分項。在這 93 個任務上，表現最強的 GPT-6 Astra 完整復現率只有 13.98%，建模與執行階段平均得分約 62%，驗證階段僅 42.8%。
InnovationEval：前沿模型花數千美元 GPU 仍未復現人類演算法創新
新評測 InnovationEval 顯示，前沿模型無法獨立復現人類研究者近期做出的機器學習演算法創新：在端到端任務中，它們耗費數千美元 GPU 算力，仍未達到人類論文（on-policy self-distillation，SDPO）的水平。測試要求 AI 自主提出一種新的後訓練方法，在短答題與程式碼任務上後訓練 Qwen3-8B，並超過 GRPO 基線。主要結果來自 Claude Fable 5 與 GPT-5.6 Sol；
Stripe 設計負責人談用 AI 避免殭屍 UI
Stripe 設計負責人 Katie Dill 在 2026 年 9 月 10 日舊金山 Lenny and Friends Summit 的演講中提出，AI 讓建置產品更容易，但產品容易淪為通用的殭屍 UI。她認為好設計仍取決於清晰的觀點、對使用者的理解和對細節的用心，並分享瞭如何把標準寫進 AI 工具、在初稿之外繼續編輯、用 AI 做出更原創的產品。該影片由 Lenny's Podcast 於 9 月 25 日發布，時長 21 分 47 秒。