OpenDesign，基于基准网站 OpenDesign Arena 的公司，本周通过相同批次的设计任务运行了 13 个 AI 模型。得分最高的是 OpenAI 的 GPT-6 Astra。但 DeepSeek 最新的模型 V4.1 Flash 达到了该最高分的 98%，而价格仅为最高价格的约 1.4%。

OpenDesign Arena 对模型在日常设计工作中的表现进行评分——构建网页应用程序、仪表板、移动屏幕和落地页——满分为 100 分。其中 30 分用以检查输出是否实际满足任务要求；另外 70 分则根据布局、层级、颜色和风格契合度来评估设计质量。

它的设计旨在回答一个比大多数 AI 排行榜更狭窄的问题：工作中的网页设计师明天究竟应该使用哪个模型。

在这个评分体系中，GPT-6 Astra 的平均得分为 82.7 分，完成一个设计的时间为 11.1 分钟，成本为 1.61 美元。DeepSeek V4.1 Flash 得分为 81.2，完成任务的时间为 5.3 分钟，成本为 0.023 美元。Claude Fable 5.1 的得分为 80.3，耗时 12.8 分钟，成本为 3.66 美元。

OpenDesign 测试的其他所有模型——其中包括 Grok 4.6、Qwen 3.8-Max、Kimi K3、GLM-5.3 Flash 和 Gemini 3.8 Flash——得分均低于 DeepSeek V4.1 Flash，并且运行成本更高。这是 13 个测试模型中 11 个。只有 GPT-6 Astra 完全超过了它，且仅多了 1.5 分。

DeepSeek 对 V4.1 Flash 的技术报告解释了节省成本的来源。该模型总共包含 5520 亿个参数——模型在训练过程中调整的内部设置，用于存储所学的内容——但仅唤醒 80 亿个参数来读取输入提示，并唤醒 160 亿个来写入响应。DeepSeek 将此称为因果编码器-解码器设计，这也是该模型快速完成时间的原因。

这不是 DeepSeek 首次以低廉成本缩小能力差距。几周前，该公司的 V4 Pro 模型在另一项基准比较中实现了 距离 Claude Fable 5 仅 5% 的成绩，但收费仅为 Fable 价格的一小部分。DeepSeek 还在北京招募工程师，力求构建自己的 代码工具，希望掌握完整的代理堆栈，而不仅仅是提供底层模型。

OpenDesign 的测试设置限制了这些数字能够证明的内容。模型的输出只有在首先渲染为有效网页时才会评分；任何空白、损坏或截断的输出得分为零，并且不会重新测试。这意味着该基准测量的是可靠的、日常的设计输出，而不是一般推理或编码技能。

GPT-6 Astra 于 9 月 3 日发布，已因其能够处理各种任务而积累了一定声誉——从布局电路板、草拟税务申报，到构建 3D 场景——但早期测试者指出，它的写作能力弱于其替代的模型。它在 OpenDesign 排行榜上的价格和速度符合这种通才设计：比 DeepSeek 更便宜的入门款慢且价格高，但仍是该领域得分最高者。

DeepSeek V4.1 Flash 的交付率——OpenDesign 认为可以在不修改的情况下交付的输出比例——为 57.7%。GPT-6 Astra 的交付率为 60%。Claude Fable 5.1 的交付率为 56.7%。

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。