AI评测平台Design Arena获800万美元融资，靠人类“盲选”给AI视觉作品排名

判断一个AI生成的网站是否美观，机器并不擅长。自动化指标能告诉你图片像素是否达标、页面加载是否够快，却无法判断视觉效果是否真正令人愉悦。这需要人类来完成，而旧金山初创公司Design Arena刚刚获得800万美元融资，以确保这种人类判断能够规模化进行。

Design Arena由Grace Li创立于2025年，出自Y Combinator S25孵化营，概念非常简单：将两个AI生成的设计并排展示，让用户选出更好看的一个，并将数百万次投票汇聚成Elo排名。可以把它看作老牌网站“Hot or Not”的AI视觉版——只不过你评价的不是人，而是GPT-5.6或GLM-5.2谁生成的落地页更漂亮。

该平台已吸引来自140多个国家的超过500万用户。用户对AI生成的内容进行盲测对比，涵盖网页设计、图片、视频、音频和UI/UX布局，没有任何标签或品牌提示，纯粹是原始输出的比拼。

这些投票会被整理成公开排行榜，与广泛被引用的大语言模型基准LMSYS Chatbot Arena类似。不过Chatbot Arena侧重于文本推理和对话质量，Design Arena则专注于美学和主观视觉偏好。

平台最近的基准测试显示，GPT-5.6在网页设计评估中位居榜首，而GLM-5.2在某些其他设计细分领域也占据了领先位置。包括OpenAI和Anthropic在内的前沿AI实验室，正将Design Arena的排行榜视为其模型在创意和视觉领域表现的真实信号。

这800万美元融资使Design Arena跻身于一个日益壮大的赛道——为AI构建评估基础设施，而非开发AI模型本身。与雇佣大量标注员提供结构化反馈不同，Design Arena将评估变成了一种休闲活动。用户投票是因为快速且有趣，而非为了报酬。这就产生了一个真正具有地域和人口多样性的数据集，覆盖全球140多个国家。

传统的视觉AI基准往往依赖FID分数或CLIP相似度等技术指标，它们衡量技术保真度，却完全忽视了“看起来是否美观”这一主观维度。Design Arena以真实的人类判断填补了这一空白，其规模是传统标注流程难以负担的。