拿到四个 AI 方案，却很难说清哪个更好时

让多个 AI 模型制作网站或 Logo 后，结果很快就会堆积起来。问题在于接下来怎么选。一个方案很干净，却不符合品牌；另一个很醒目，但信息层级不清晰。最终很容易依赖模型名称或第一印象来做选择。

DesignArena 探索的正是这种模糊的选择。它隐藏由同一提示词生成的结果的模型名称，让用户一次在两个结果中反复选择，再把这些选择转化为排名数据。它不要求人们解释“审美偏好”，而是收集两者中选择了哪一个。

这种方式有助于缩小模型候选范围，但排名第一并不意味着它在无障碍性或转化率方面也一定最出色。DesignArena 的排名衡量的是参与者在比较情境中表现出的偏好。

一次评估包含五次选择

从官方方法论来看，它比简单的人气投票更有结构。在一个会话中，四个不同模型接收同一提示词，用户在不知道模型名称的情况下比较两个结果。前两次选择将胜者与败者分开，随后再进行对阵和决胜比较，共五次选择，确定从第一名到第四名的顺序。

这里值得借鉴的设计原则是“匿名、相同输入、重复选择”。 隐藏模型名称以减少品牌先入为主的影响，保持输入一致以对齐比较对象，并通过比较多个配对而非一次选择，形成完整排序。

累计排行榜对所有成对比较赋予相同权重，并使用 Bradley–Terry 模型计算评分。主要图表会排除比较次数少于 50 次的模型，通常会在达到 200 次比较前将结果标记为暂定。不过，这是为了保证排名稳定性的运营标准，不是验证设计可用性或业务表现的标准。

6 个月 ARR 增长 12 倍，是公司披露的增长数据

运营方 Intelligence 的联合创始人 Grace Li 宣布，年度经常性收入（ARR）在 6 个月内从 500 万美元增至 6,000 万美元，服务覆盖了 190 多个国家的 550 万人。按计算这是 12 倍增长。 公司还宣布于 2026 年 8 月获得由 Index Ventures 领投的 790 万美元种子轮融资；TechCrunch 也基于当时公司的说法报道了 6,000 万美元 ARR。

这些数字很醒目，但不应将其等同于实际确认收入或盈利能力。ARR 的计算方式、合同期限、客户留存率和毛利率均未公开，而且用户数在创始人披露的 550 万与 TechCrunch 报道的 530 万之间存在差异。可以确认的结论仅是：按公司披露的口径，ARR 增长很快。

运营过类似比较服务的 Yupp 停业，也是不能简单化 DesignArena 成功公式的另一个原因。Yupp 比较了 800 个模型，并计划向研究机构销售偏好数据；按公司披露，它获得了 130 万用户和部分客户。它在 2024 年融资 3,300 万美元，却在服务上线未满一年时关闭。 创始团队解释称，产品与市场的匹配度不够，模型环境变化也很快。仅凭公开资料，无法确定“因通用而失败、因聚焦设计而成功”这样的单一原因。

第一次实验应从评估标准开始，而不是从排行榜开始

DesignArena 可用于比较多种形式的结果，包括网站、幻灯片、移动应用、游戏、图像、Logo 和 SVG 等。支持的形式和模型可能会变化，因此请先在开始页面查看当前可用的选项。

下面这项练习的目的不是找到排名最高的模型，而是用同一套标准把匿名结果比较到底。

  1. 只准备可以分享的输入内容。 该服务面向年满 18 岁的用户。提示词、上传媒体、生成结果和投票可能会被收集，并与第三方 AI 提供商共享，用于评估、改进、开发或潜在训练，因此请不要输入客户资料、个人信息或未公开的品牌资产。
  2. 先固定三项评估标准。 例如，对于 B2B 仪表盘，可以记下“信息层级”“防错”“WCAG 对比度”等在看到结果后也不改变的标准。
  3. 在DesignArena 开始页面登录。 获取生成结果需要登录。如果是首次使用，请在生成前点击Sign In，使用已有账户登录或按提示创建账户。
  4. 选择一种形式，并以相同的请求开始生成。 可以将首次输入限定为：“请为一款 B2B 分析工具创建桌面端引导仪表盘。需要左侧导航、数据连接进度，以及突出一个下一步行动的卡片。不要使用真实客户名称或数据。”
  5. 不要猜测模型名称，按预先设定的标准进行五次选择。 按照官方流程，你会将四个模型的匿名结果两两比较，随后得到从第一名到第四名的顺序。
  6. 只将结果记录为缩小候选范围的信号。 即使顺序与公开排行榜不同，也不代表结果错误。只有再面向实际客户群体，通过无障碍检查、可用性任务或转化实验，才能成为产品决策的依据。

第一个成功标准不是得到一张漂亮的方案图。 只要在保持相同输入和标准的情况下完成五次选择，并能用三项标准解释为何选出第一名，就已经足够。如果你想要的形式已停止提供，或缺少所需模型，请仅用可用形式练习评估结构，不要把该排名带入实际项目。

如果想进一步深入

Methodology 可查看将四个模型比较五次的对阵方式、Bradley–Terry 评分以及暂定结果的标准。 designarena.ai

Design Arena creators raise $7.9 million to bring taste to AI models 结合对创始人的采访，介绍融资内容以及产品开始销售评估数据的背景。 techcrunch.com

PRIVACY NOTICE 可了解提示词和上传资料可能因何种目的被收集和共享。这是输入实际工作材料前应阅读的资料。 designarena.ai