OpenDesignArena
Tasarım için doğru yapay zekâ modelini bulun.
Gerçek değerlendirmelerle kalite, hız ve maliyeti karşılaştırın.
21 agent ile çalışır ve sıralamadaki tüm modelleri içerir İndirin ve Claude Haiku 5.5 ile tasarlamaya başlayın
En iyi fiyat-performans
Claude Haiku 5.5Kalite, maliyet ve hızın en iyi dengesi.
Bu değerlendirmede Claude Haiku 5.5, lider GPT-6.1 Sol modelinin ortalama puanının %91 düzeyine, ortalama maliyetinin yaklaşık %5 tutarıyla ulaştı.
- Çıktı başına maliyet
- $0.018$0.382 ile karşılaştırma
- Değerlendirme ortalaması / 100
- 82.290.1 ile karşılaştırma
En yüksek puan
En hızlı teslimat
Modelleri karşılaştırın
İki veya üç model seçerek beş boyutun tamamını tek grafikte görün. Farklı şekiller farklı güçlü yönleri gösterir.
Beş boyutta performans
Beş eksenin tamamında dışa doğru ilerlemek daha iyi sonuç, daha hızlı tamamlama ve daha düşük maliyet demektir.
Tüm 20 modelin her eksendeki ortalaması
Önceliklerinize göre seçin
İhtiyaçlarınıza uygun modeli bulmak için değerlendirilen kalite, maliyet ve hız arasında denge kurun.
- Kalite
- 50%
- Maliyet
- 30%
- Hız
- 20%
- 1 Claude Haiku 5.5 84.2 Ortalama puan: 82.2/100; Ortalama maliyet: $0.018; Ortalama süre: 2.5 dk
- 2
GPT-6 Luna 82.5 Ortalama puan: 83.1/100; Ortalama maliyet: $0.016; Ortalama süre: 4.2 dk - 3
DeepSeek V4.1 Flash 78.8 Ortalama puan: 81.2/100; Ortalama maliyet: $0.023; Ortalama süre: 5.3 dk - 4
MiMo 2.6 Flash 73.6 Ortalama puan: 83.5/100; Ortalama maliyet: $0.029; Ortalama süre: 16.0 dk - 5 GPT-6 Sol 72.6 Ortalama puan: 89.9/100; Ortalama maliyet: $0.297; Ortalama süre: 4.7 dk
- 6 GPT-6.1 Sol 70.3 Ortalama puan: 90.1/100; Ortalama maliyet: $0.382; Ortalama süre: 6.2 dk
- 7
GLM-5.3 Flash-X 70.0 Ortalama puan: 80.1/100; Ortalama maliyet: $0.098; Ortalama süre: 8.0 dk - 8 Claude Sonnet 5.5 68.9 Ortalama puan: 86.8/100; Ortalama maliyet: $0.574; Ortalama süre: 4.1 dk
- 9 GPT-5.6 Sol 65.7 Ortalama puan: 77.6/100; Ortalama maliyet: $0.544; Ortalama süre: 3.2 dk
- 10
Gemini 3.8 Flash 64.7 Ortalama puan: 68.9/100; Ortalama maliyet: $0.210; Ortalama süre: 3.8 dk - 11 Gemini 4 Argon 63.3 Ortalama puan: 81.2/100; Ortalama maliyet: $0.667; Ortalama süre: 6.4 dk
- 12
Muse Spark 1.3 63.2 Ortalama puan: 66.6/100; Ortalama maliyet: $0.267; Ortalama süre: 3.3 dk - 13
MiniMax M3.1 Flash 62.9 Ortalama puan: 81.7/100; Ortalama maliyet: $0.247; Ortalama süre: 17.5 dk - 14 Muse Wonder 61.3 Ortalama puan: 76.2/100; Ortalama maliyet: $1.25; Ortalama süre: 3.3 dk
- 15
Grok 4.7 59.6 Ortalama puan: 82.9/100; Ortalama maliyet: $0.662; Ortalama süre: 16.3 dk - 16 GPT-6 Astra 57.5 Ortalama puan: 82.7/100; Ortalama maliyet: $1.61; Ortalama süre: 11.1 dk
- 17
Hunyuan H4 Preview 54.6 Ortalama puan: 74.6/100; Ortalama maliyet: $0.418; Ortalama süre: 29.2 dk - 18
Qwen 3.8-Max 52.3 Ortalama puan: 72.0/100; Ortalama maliyet: $0.595; Ortalama süre: 26.4 dk - 19 Claude Fable 5.1 52.1 Ortalama puan: 80.3/100; Ortalama maliyet: $3.66; Ortalama süre: 12.8 dk
- 20
Kimi K3 52.1 Ortalama puan: 65.7/100; Ortalama maliyet: $0.614; Ortalama süre: 14.0 dk
Kullanım amacına göre seçin
Bir tasarım senaryosu seçin; aşağıdaki beş boyutun her biri için bir model önerilir.
GPT-6.1 Sol
- Ort. puan Ortalama puanYüksek olması daha iyi Değerlendirilen tüm çıktıların 100 üzerinden ortalama puanı.
- 90.1/100
- Ort. gereksinim puanı Gereksinimleri karşılamaYüksek olması daha iyi Gerekli sayfaları, içeriği, durumları ve etkileşimleri 30 üzerinden değerlendirir.
- 28.0/30
- Ort. tasarım kalitesi Tasarım kalitesiYüksek olması daha iyi Düzeni, hiyerarşiyi, stili, rengi ve görsel uygunluğunu 70 üzerinden değerlendirir.
- 62.2/70
- Ort. teslim edilebilirlik oranı Teslim edilebilirlik oranıYüksek olması daha iyi Değerlendirilen çıktılar arasında 80 ve üzeri puan alanların oranı.
- 90.0%
- Ort. süre Ortalama tamamlanma süresiDüşük olması daha iyi Puanlanan çıktıların toplam çalıştırma süresinin çıktı sayısına bölünmesiyle hesaplanır.
- 6.2 dk
- Ort. maliyet / çıktı Çıktı başına maliyetDüşük olması daha iyi Resmî liste fiyatları ve ölçülen token tüketimi üzerinden tahmin edilir.
- $0.382/çalıştırma
GPT-6.1 Sol
- Ort. tasarım kalitesi
- 62.2/70
- Ort. puan
- 90.1/100
- Ort. teslim edilebilirlik oranı
- 90.0%
- Ort. gereksinim puanı
- 28.0/30
- Ort. süre
- 6.2 dk
- Ort. maliyet / çıktı
- $0.382/çalıştırma
DeepSeek V4.1 Flash
- Ort. gereksinim puanı
- 28.4/30
- Ort. puan
- 81.2/100
- Ort. teslim edilebilirlik oranı
- 57.7%
- Ort. tasarım kalitesi
- 52.8/70
- Ort. süre
- 5.3 dk
- Ort. maliyet / çıktı
- $0.023/çalıştırma
Claude Haiku 5.5
- Ort. süre
- 2.5 dk
- Ort. puan
- 82.2/100
- Ort. teslim edilebilirlik oranı
- 62.2%
- Ort. gereksinim puanı
- 26.5/30
- Ort. tasarım kalitesi
- 55.7/70
- Ort. maliyet / çıktı
- $0.018/çalıştırma
GPT-6 Luna
- Ort. maliyet / çıktı
- $0.016/çalıştırma
- Ort. puan
- 83.1/100
- Ort. teslim edilebilirlik oranı
- 70.5%
- Ort. gereksinim puanı
- 25.2/30
- Ort. tasarım kalitesi
- 57.9/70
- Ort. süre
- 4.2 dk
Kalite ve maliyet
Modellerin performansını ve bu performansa ulaşmanın maliyetini karşılaştırın.
Kalite sıralaması
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 Maliyet–kalite sınırı
Pembe alandaki 9 model, DeepSeek V4.1 Flash modelinden daha pahalı ve daha düşük puanlı.
Senaryoya göre performans
Web uygulaması (Çok sayfalı yapı ve akışlar) görüntüleniyor; MiMo 2.6 Flash, 93.9 puan, %100.0 teslim edilebilirlik oranı ve çalıştırma başına $0.043 maliyetle lider.
Mobil uygulama (Dokunmatik deneyim ve duyarlı düzen) görüntüleniyor; Hunyuan H4 Preview, 89.5 puan, %83.3 teslim edilebilirlik oranı ve çalıştırma başına $0.404 maliyetle lider.
Masaüstü uygulaması (Masaüstü iş akışları ve karmaşık etkileşimler) görüntüleniyor; GPT-6.1 Sol, 93.0 puan, %100.0 teslim edilebilirlik oranı ve çalıştırma başına $0.340 maliyetle lider.
Gösterge paneli (Bilgi yoğunluğu ve hiyerarşisi) görüntüleniyor; GPT-6.1 Sol, 95.6 puan, %100.0 teslim edilebilirlik oranı ve çalıştırma başına $0.365 maliyetle lider.
Açılış sayfası (Marka anlatımı ve dönüşüm) görüntüleniyor; GPT-6.1 Sol, 89.8 puan, %88.9 teslim edilebilirlik oranı ve çalıştırma başına $0.349 maliyetle lider.
Web uygulaması sıralaması
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 Web uygulaması · Maliyet–kalite sınırı
Pembe alandaki 10 model, DeepSeek V4.1 Flash modelinden daha pahalı ve daha düşük puanlı.
Mobil uygulama sıralaması
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 Mobil uygulama · Maliyet–kalite sınırı
Pembe alandaki 9 model, DeepSeek V4.1 Flash modelinden daha pahalı ve daha düşük puanlı.
Masaüstü uygulaması sıralaması
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 Masaüstü uygulaması · Maliyet–kalite sınırı
Pembe alandaki 11 model, DeepSeek V4.1 Flash modelinden daha pahalı ve daha düşük puanlı.
Gösterge paneli sıralaması
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 Gösterge paneli · Maliyet–kalite sınırı
Pembe alandaki 2 model, DeepSeek V4.1 Flash modelinden daha pahalı ve daha düşük puanlı.
Açılış sayfası sıralaması
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 Açılış sayfası · Maliyet–kalite sınırı
Pembe alandaki 9 model, DeepSeek V4.1 Flash modelinden daha pahalı ve daha düşük puanlı.
Model verimliliği
Tamamlanma süresini, önbellek isabet oranını ve token tüketimini karşılaştırın. Tüm değerler ölçülen ortalamalardır.
GPT-6.1 Sol GPT-6.1 SolSüre 6 dkÖnbellek 83% · Girdi 389.1K · Çıktı 23.3K
GPT-6 Sol GPT-6 SolSüre 5 dkÖnbellek 81.5% · Girdi 344.4K · Çıktı 13.7K
Claude Sonnet 5.5 Claude Sonnet 5.5Süre 4 dkÖnbellek 49.8% · Girdi 288.4K · Çıktı 31.3K
MiMo 2.6 Flash MiMo 2.6 FlashSüre 16 dkÖnbellek 80.5% · Girdi 1067.4K · Çıktı 47.7K
GPT-6 Luna GPT-6 LunaSüre 4 dkÖnbellek 83.4% · Girdi 317.0K · Çıktı 17.3K
Grok 4.7 Grok 4.7Süre 16 dkÖnbellek 68.6% · Girdi 458.7K · Çıktı 44.3K
GPT-6 Astra GPT-6 AstraSüre 11 dkÖnbellek 81% · Girdi 318.7K · Çıktı 15.5K
Claude Haiku 5.5 Claude Haiku 5.5Süre 2 dkÖnbellek 80% · Girdi 195.3K · Çıktı 24.8K
MiniMax M3.1 Flash MiniMax M3.1 FlashSüre 18 dkÖnbellek 97.6% · Girdi 9343.4K · Çıktı 126.6K
DeepSeek V4.1 Flash DeepSeek V4.1 FlashSüre 5 dkÖnbellek 89% · Girdi 1462.8K · Çıktı 29.2K
Gemini 4 Argon Gemini 4 ArgonSüre 6 dkÖnbellek 67.5% · Girdi 372.9K · Çıktı 41.6K
Claude Fable 5.1 Claude Fable 5.1Süre 13 dkÖnbellek 94% · Girdi 715.7K · Çıktı 63.6K
GLM-5.3 Flash-X GLM-5.3 Flash-XSüre 8 dkÖnbellek 66.6% · Girdi 390.5K · Çıktı 32.9K
GPT-5.6 Sol GPT-5.6 SolSüre 3 dkÖnbellek 80.7% · Girdi 236.6K · Çıktı 14.5K
Muse Wonder Muse WonderSüre 3 dkÖnbellek 33.3% · Girdi 312.9K · Çıktı 21.2K
Hunyuan H4 Preview Hunyuan H4 PreviewSüre 29 dkÖnbellek 90.9% · Girdi 3085.9K · Çıktı 46.0K
Qwen 3.8-Max Qwen 3.8-MaxSüre 26 dkÖnbellek 79% · Girdi 836.8K · Çıktı 28.6K
Gemini 3.8 Flash Gemini 3.8 FlashSüre 4 dkÖnbellek 70.9% · Girdi 392.3K · Çıktı 27.9K
Muse Spark 1.3 Muse Spark 1.3Süre 3 dkÖnbellek 31.5% · Girdi 235.9K · Çıktı 13.4K
Kimi K3 Kimi K3Süre 14 dkÖnbellek 71.7% · Girdi 427.1K · Çıktı 16.1K
Değerlendirme yöntemi
Gereksinimleri karşılama ve tasarım kalitesi puanlanır; verimlilik ve maliyet ayrı sunulur.
Görevler ve örneklem
Modeller beş senaryoda ortak tasarım görevleriyle değerlendirilir: web uygulamaları, mobil uygulamalar, masaüstü uygulamaları, gösterge panoları ve yönetim panelleri, web siteleri ve açılış sayfaları. Bu sonuçlar, modellerin genel yeteneklerini değil, pratik prototip oluşturma görevlerindeki performanslarını gösterir.
Sayfa görüntüleme kontrolleri
Puanlamadan önce her çıktının web sayfası olarak açılıp açılmadığını kontrol eder; boş sayfaları, kesilmiş içeriği ve kritik çalışma zamanı hatalarını inceleriz. Görüntülenemeyen çıktılar sıfır puan alır; sonuçları yeniden test edilerek değiştirilmez. Başarıyla açılmak yalnızca sonraki değerlendirme için bir ön koşuldur; gereksinimlerin karşılandığını veya çıktının teslim edilebilir olduğunu kanıtlamaz.
Gereksinimleri karşılama ve tasarım kalitesi
Her çıktı 100 üzerinden puanlanır. Gereksinimleri karşılama 30 puandır: sayfalar ve modüller, gerekli içerik, arayüz durumları ve etkileşimler görev tanımına göre kontrol edilir ve tamamlandı, kısmen tamamlandı veya tamamlanmadı olarak değerlendirilir. Tasarım kalitesi, eşit ağırlıklı beş boyutta toplam 70 puandır: düzen ve okunabilirlik, bilgi hiyerarşisi, stilin göreve uygunluğu, renk ve kontrast, görsellerin uygunluğu ve içerikle ilgisi. Her boyut karşılandı, kısmen karşılandı veya karşılanmadı olarak değerlendirilir.
Ortalama puan ve teslim edilebilirlik oranı
Ortalama puan, bir modelin puanlanan tüm çıktılarının aritmetik ortalamasıdır. Bu değerlendirmede 80 ve üzeri puan alan bir çıktı teslim edilebilir kabul edilir. Teslim edilebilirlik oranı, puanlanan çıktılar arasında bu eşiğe ulaşanların oranıdır ve modelin uygun sonuçları ne kadar tutarlı ürettiğini gösterir. Teslim edilebilirlik, bu değerlendirmenin prototip kalite standardını ifade eder; üretim ortamında kullanıma hazır olunduğu anlamına gelmez.
Verimlilik ve maliyet
Tamamlanma süresi, önbellek isabet oranı, girdi ve çıktı token tüketimi ile araç çağrılarının ölçülen ortalamalarını kalite puanlarından ayrı sunarız. Her çıktının maliyeti, kayıtlı token tüketimi ve standart girdi, çıktı ve önbellek okuma fiyatları kullanılarak tahmin edilir; ardından ortalaması alınır. Bu tahminler kaynak tüketimini karşılaştırmak içindir; fatura tutarı değildir ve kaydedilmemiş ücretleri içermez. Verimlilik ve maliyet değerlendirme puanına katılmaz. Seçim önceliklerini değiştirmek, özgün değerlendirme sonuçlarını değil, öneri sıralamalarını etkiler.