OpenDesignArena
Найдите подходящую ИИ-модель для дизайна.
Сравнивайте качество, скорость и стоимость по результатам реальных оценок.
Работает с 21 агентом и включает все модели из рейтинга Скачайте и начните создавать дизайн с помощью Claude Haiku 5.5
Лучшее соотношение цены и качества
Claude Haiku 5.5Лучший баланс качества, стоимости и скорости.
В этой оценке средний балл Claude Haiku 5.5 составил 91% от показателя лидера GPT-6.1 Sol, а средняя стоимость — около 5% от его стоимости.
- Стоимость результата
- $0.018против $0.382
- Средняя оценка / 100
- 82.2против 90.1
Высший балл
Самое быстрое выполнение
Сравнение моделей
Выберите две или три модели, чтобы сравнить все пять критериев на одной диаграмме. Разные формы отражают разные сильные стороны.
Профиль по пяти измерениям
Чем дальше от центра по каждой оси, тем лучше: выше качество, быстрее выполнение и ниже стоимость.
Среднее по каждой оси для всех моделей: 20
Выбор по приоритетам
Настройте соотношение качества, стоимости и скорости, чтобы найти подходящую модель.
- Качество
- 50%
- Стоимость
- 30%
- Скорость
- 20%
- 1 Claude Haiku 5.5 84.2 Средний балл: 82.2/100; Средняя стоимость: $0.018; Среднее время: 2.5 мин
- 2
GPT-6 Luna 82.5 Средний балл: 83.1/100; Средняя стоимость: $0.016; Среднее время: 4.2 мин - 3
DeepSeek V4.1 Flash 78.8 Средний балл: 81.2/100; Средняя стоимость: $0.023; Среднее время: 5.3 мин - 4
MiMo 2.6 Flash 73.6 Средний балл: 83.5/100; Средняя стоимость: $0.029; Среднее время: 16.0 мин - 5 GPT-6 Sol 72.6 Средний балл: 89.9/100; Средняя стоимость: $0.297; Среднее время: 4.7 мин
- 6 GPT-6.1 Sol 70.3 Средний балл: 90.1/100; Средняя стоимость: $0.382; Среднее время: 6.2 мин
- 7
GLM-5.3 Flash-X 70.0 Средний балл: 80.1/100; Средняя стоимость: $0.098; Среднее время: 8.0 мин - 8 Claude Sonnet 5.5 68.9 Средний балл: 86.8/100; Средняя стоимость: $0.574; Среднее время: 4.1 мин
- 9 GPT-5.6 Sol 65.7 Средний балл: 77.6/100; Средняя стоимость: $0.544; Среднее время: 3.2 мин
- 10
Gemini 3.8 Flash 64.7 Средний балл: 68.9/100; Средняя стоимость: $0.210; Среднее время: 3.8 мин - 11 Gemini 4 Argon 63.3 Средний балл: 81.2/100; Средняя стоимость: $0.667; Среднее время: 6.4 мин
- 12
Muse Spark 1.3 63.2 Средний балл: 66.6/100; Средняя стоимость: $0.267; Среднее время: 3.3 мин - 13
MiniMax M3.1 Flash 62.9 Средний балл: 81.7/100; Средняя стоимость: $0.247; Среднее время: 17.5 мин - 14 Muse Wonder 61.3 Средний балл: 76.2/100; Средняя стоимость: $1.25; Среднее время: 3.3 мин
- 15
Grok 4.7 59.6 Средний балл: 82.9/100; Средняя стоимость: $0.662; Среднее время: 16.3 мин - 16 GPT-6 Astra 57.5 Средний балл: 82.7/100; Средняя стоимость: $1.61; Среднее время: 11.1 мин
- 17
Hunyuan H4 Preview 54.6 Средний балл: 74.6/100; Средняя стоимость: $0.418; Среднее время: 29.2 мин - 18
Qwen 3.8-Max 52.3 Средний балл: 72.0/100; Средняя стоимость: $0.595; Среднее время: 26.4 мин - 19 Claude Fable 5.1 52.1 Средний балл: 80.3/100; Средняя стоимость: $3.66; Среднее время: 12.8 мин
- 20
Kimi K3 52.1 Средний балл: 65.7/100; Средняя стоимость: $0.614; Среднее время: 14.0 мин
Выбор по задаче
Выберите сценарий дизайна: по каждому из пяти критериев ниже будет рекомендована одна модель.
GPT-6.1 Sol
- Средний балл Средний баллБольше — лучше Средняя оценка всех проверенных результатов по шкале до 100 баллов.
- 90.1/100
- Среднее выполнение требований Выполнение требованийБольше — лучше Проверяет наличие требуемых страниц, контента, состояний и взаимодействий; максимум — 30 баллов.
- 28.0/30
- Среднее качество дизайна Качество дизайнаБольше — лучше Оценивает компоновку, иерархию, стиль, цвет и уместность изображений; максимум — 70 баллов.
- 62.2/70
- Средняя доля готовых результатов Доля готовых результатовБольше — лучше Доля оценённых результатов, набравших не менее 80 баллов.
- 90.0%
- Среднее время Среднее время выполненияМеньше — лучше Суммарное время выполнения оценённых результатов, делённое на их количество.
- 6.2 мин
- Средняя стоимость результата Стоимость результатаМеньше — лучше Рассчитывается по официальным тарифам и измеренному расходу токенов.
- $0.382/запуск
GPT-6.1 Sol
- Среднее качество дизайна
- 62.2/70
- Средний балл
- 90.1/100
- Средняя доля готовых результатов
- 90.0%
- Среднее выполнение требований
- 28.0/30
- Среднее время
- 6.2 мин
- Средняя стоимость результата
- $0.382/запуск
DeepSeek V4.1 Flash
- Среднее выполнение требований
- 28.4/30
- Средний балл
- 81.2/100
- Средняя доля готовых результатов
- 57.7%
- Среднее качество дизайна
- 52.8/70
- Среднее время
- 5.3 мин
- Средняя стоимость результата
- $0.023/запуск
Claude Haiku 5.5
- Среднее время
- 2.5 мин
- Средний балл
- 82.2/100
- Средняя доля готовых результатов
- 62.2%
- Среднее выполнение требований
- 26.5/30
- Среднее качество дизайна
- 55.7/70
- Средняя стоимость результата
- $0.018/запуск
GPT-6 Luna
- Средняя стоимость результата
- $0.016/запуск
- Средний балл
- 83.1/100
- Средняя доля готовых результатов
- 70.5%
- Среднее выполнение требований
- 25.2/30
- Среднее качество дизайна
- 57.9/70
- Среднее время
- 4.2 мин
Качество и стоимость
Сравните результаты моделей и затраты на их получение.
Качество: рейтинг
GPT-6.1 Sol GPT-6 Sol Claude Sonnet 5.5 MiMo 2.6 Flash GPT-6 Luna Grok 4.7 GPT-6 Astra Claude Haiku 5.5 MiniMax M3.1 Flash DeepSeek V4.1 Flash Gemini 4 Argon Claude Fable 5.1 GLM-5.3 Flash-X GPT-5.6 Sol Muse Wonder Hunyuan H4 Preview Qwen 3.8-Max Gemini 3.8 Flash Muse Spark 1.3 Kimi K3 Граница стоимости и качества
Моделей в розовой области: 9. Они стоят дороже и набирают меньше баллов, чем DeepSeek V4.1 Flash.
Результаты по сценариям
Показан сценарий «Веб-приложение» (Многостраничная структура и пользовательские сценарии). Лидирует MiMo 2.6 Flash: 93.9 балла, доля готовых результатов — 100.0%, стоимость запуска — $0.043.
Показан сценарий «Мобильное приложение» (Сенсорное взаимодействие и адаптивная компоновка). Лидирует Hunyuan H4 Preview: 89.5 балла, доля готовых результатов — 83.3%, стоимость запуска — $0.404.
Показан сценарий «Настольное приложение» (Рабочие процессы и сложные взаимодействия). Лидирует GPT-6.1 Sol: 93.0 балла, доля готовых результатов — 100.0%, стоимость запуска — $0.340.
Показан сценарий «Дашборд» (Плотность и иерархия информации). Лидирует GPT-6.1 Sol: 95.6 балла, доля готовых результатов — 100.0%, стоимость запуска — $0.365.
Показан сценарий «Лендинг» (Выражение бренда и конверсия). Лидирует GPT-6.1 Sol: 89.8 балла, доля готовых результатов — 88.9%, стоимость запуска — $0.349.
Веб-приложение: рейтинг
MiMo 2.6 Flash GPT-6.1 Sol GPT-6 Sol Grok 4.7 Claude Sonnet 5.5 GPT-5.6 Sol Claude Fable 5.1 DeepSeek V4.1 Flash MiniMax M3.1 Flash Gemini 4 Argon GPT-6 Luna GLM-5.3 Flash-X Claude Haiku 5.5 GPT-6 Astra Muse Wonder Gemini 3.8 Flash Muse Spark 1.3 Hunyuan H4 Preview Qwen 3.8-Max Kimi K3 Веб-приложение · Граница стоимости и качества
Моделей в розовой области: 10. Они стоят дороже и набирают меньше баллов, чем DeepSeek V4.1 Flash.
Мобильное приложение: рейтинг
Hunyuan H4 Preview GPT-6 Astra GPT-6 Sol GPT-5.6 Sol Claude Sonnet 5.5 Grok 4.7 MiniMax M3.1 Flash Gemini 4 Argon GPT-6 Luna DeepSeek V4.1 Flash Claude Haiku 5.5 Kimi K3 Gemini 3.8 Flash Claude Fable 5.1 GPT-6.1 Sol MiMo 2.6 Flash GLM-5.3 Flash-X Muse Wonder Muse Spark 1.3 Qwen 3.8-Max Мобильное приложение · Граница стоимости и качества
Моделей в розовой области: 9. Они стоят дороже и набирают меньше баллов, чем DeepSeek V4.1 Flash.
Настольное приложение: рейтинг
GPT-6.1 Sol Claude Sonnet 5.5 GPT-6 Sol Claude Haiku 5.5 GPT-6 Astra Gemini 4 Argon DeepSeek V4.1 Flash Kimi K3 MiMo 2.6 Flash Muse Wonder Qwen 3.8-Max MiniMax M3.1 Flash GLM-5.3 Flash-X GPT-6 Luna GPT-5.6 Sol Grok 4.7 Muse Spark 1.3 Gemini 3.8 Flash Hunyuan H4 Preview Claude Fable 5.1 Настольное приложение · Граница стоимости и качества
Моделей в розовой области: 11. Они стоят дороже и набирают меньше баллов, чем DeepSeek V4.1 Flash.
Дашборд: рейтинг
GPT-6.1 Sol GPT-6 Sol Claude Haiku 5.5 GPT-6 Luna Claude Sonnet 5.5 GPT-6 Astra Claude Fable 5.1 Gemini 4 Argon MiMo 2.6 Flash MiniMax M3.1 Flash GLM-5.3 Flash-X Qwen 3.8-Max Hunyuan H4 Preview Grok 4.7 Muse Wonder GPT-5.6 Sol Muse Spark 1.3 DeepSeek V4.1 Flash Gemini 3.8 Flash Kimi K3 Дашборд · Граница стоимости и качества
Моделей в розовой области: 2. Они стоят дороже и набирают меньше баллов, чем DeepSeek V4.1 Flash.
Лендинг: рейтинг
GPT-6.1 Sol GPT-6 Sol GPT-6 Luna GLM-5.3 Flash-X MiMo 2.6 Flash Claude Sonnet 5.5 Qwen 3.8-Max Grok 4.7 Claude Fable 5.1 DeepSeek V4.1 Flash MiniMax M3.1 Flash GPT-6 Astra Claude Haiku 5.5 Muse Wonder Gemini 4 Argon Hunyuan H4 Preview Kimi K3 GPT-5.6 Sol Muse Spark 1.3 Gemini 3.8 Flash Лендинг · Граница стоимости и качества
Моделей в розовой области: 9. Они стоят дороже и набирают меньше баллов, чем DeepSeek V4.1 Flash.
Эффективность моделей
Сравните время выполнения, долю попаданий в кэш и расход токенов. Все показатели — средние измеренные значения.
GPT-6.1 Sol GPT-6.1 SolВремя 6 минКэш 83% · Ввод 389.1K · Вывод 23.3K
GPT-6 Sol GPT-6 SolВремя 5 минКэш 81.5% · Ввод 344.4K · Вывод 13.7K
Claude Sonnet 5.5 Claude Sonnet 5.5Время 4 минКэш 49.8% · Ввод 288.4K · Вывод 31.3K
MiMo 2.6 Flash MiMo 2.6 FlashВремя 16 минКэш 80.5% · Ввод 1067.4K · Вывод 47.7K
GPT-6 Luna GPT-6 LunaВремя 4 минКэш 83.4% · Ввод 317.0K · Вывод 17.3K
Grok 4.7 Grok 4.7Время 16 минКэш 68.6% · Ввод 458.7K · Вывод 44.3K
GPT-6 Astra GPT-6 AstraВремя 11 минКэш 81% · Ввод 318.7K · Вывод 15.5K
Claude Haiku 5.5 Claude Haiku 5.5Время 2 минКэш 80% · Ввод 195.3K · Вывод 24.8K
MiniMax M3.1 Flash MiniMax M3.1 FlashВремя 18 минКэш 97.6% · Ввод 9343.4K · Вывод 126.6K
DeepSeek V4.1 Flash DeepSeek V4.1 FlashВремя 5 минКэш 89% · Ввод 1462.8K · Вывод 29.2K
Gemini 4 Argon Gemini 4 ArgonВремя 6 минКэш 67.5% · Ввод 372.9K · Вывод 41.6K
Claude Fable 5.1 Claude Fable 5.1Время 13 минКэш 94% · Ввод 715.7K · Вывод 63.6K
GLM-5.3 Flash-X GLM-5.3 Flash-XВремя 8 минКэш 66.6% · Ввод 390.5K · Вывод 32.9K
GPT-5.6 Sol GPT-5.6 SolВремя 3 минКэш 80.7% · Ввод 236.6K · Вывод 14.5K
Muse Wonder Muse WonderВремя 3 минКэш 33.3% · Ввод 312.9K · Вывод 21.2K
Hunyuan H4 Preview Hunyuan H4 PreviewВремя 29 минКэш 90.9% · Ввод 3085.9K · Вывод 46.0K
Qwen 3.8-Max Qwen 3.8-MaxВремя 26 минКэш 79% · Ввод 836.8K · Вывод 28.6K
Gemini 3.8 Flash Gemini 3.8 FlashВремя 4 минКэш 70.9% · Ввод 392.3K · Вывод 27.9K
Muse Spark 1.3 Muse Spark 1.3Время 3 минКэш 31.5% · Ввод 235.9K · Вывод 13.4K
Kimi K3 Kimi K3Время 14 минКэш 71.7% · Ввод 427.1K · Вывод 16.1K
Методика оценки
Оцениваем выполнение требований и качество дизайна, а эффективность и стоимость приводим отдельно.
Задания и выборка
Модели выполняют одинаковые задания по дизайну в пяти сценариях: веб-приложения, мобильные приложения, настольные приложения, дашборды и панели управления, а также сайты и лендинги. Результаты отражают качество выполнения практических задач по созданию прототипов, а не общие способности моделей.
Проверка отображения страницы
Перед выставлением баллов мы проверяем, открывается ли каждый результат как веб-страница, обращая внимание на пустые страницы, обрезанный контент и критические ошибки выполнения. Результаты, которые невозможно отобразить, получают ноль баллов и не заменяются результатами повторных запусков. Успешное открытие — лишь условие дальнейшей оценки, а не подтверждение выполнения требований или готовности результата к передаче.
Выполнение требований и качество дизайна
Каждый результат оценивается по шкале до 100 баллов. Выполнение требований даёт до 30 баллов: страницы и модули, обязательный контент, состояния интерфейса и взаимодействия сверяются с заданием и оцениваются как выполненные, частично выполненные или невыполненные. Качество дизайна даёт до 70 баллов по пяти равнозначным критериям: компоновка и читаемость, иерархия информации, соответствие стиля задаче, цвет и контраст, а также уместность изображений и их связь с содержанием. Каждый критерий оценивается как выполненный, частично выполненный или невыполненный.
Средний балл и доля готовых результатов
Средний балл — это среднее арифметическое оценок всех проверенных результатов модели. В этой оценке результат с 80 баллами и выше считается готовым к передаче. Доля готовых результатов показывает, какая часть оценённых работ достигла этого порога и насколько стабильно модель выдаёт результаты нужного уровня. Готовность к передаче означает соответствие стандарту качества прототипа в рамках этой оценки, а не готовность к использованию в рабочей среде.
Эффективность и стоимость
Средние измеренные значения времени выполнения, доли попаданий в кэш, расхода входных и выходных токенов и числа вызовов инструментов приводятся отдельно от оценок качества. Стоимость каждого результата рассчитывается по зарегистрированному расходу токенов и стандартным тарифам на ввод, вывод и чтение из кэша, после чего усредняется. Эти оценки служат для сравнения потребления ресурсов: они не являются суммами счетов и не включают незарегистрированные начисления. Эффективность и стоимость не влияют на балл оценки. Изменение приоритетов подбора меняет порядок рекомендаций, но не исходные результаты оценки.