Der Beitrag
In der KI-Branche sorgt ein namenloser Spitzenreiter für Spekulationen: Im neu vorgestellten Frontier Design Benchmark von Contra Labs landet ein anonymes Stealth-Modell namens Gestalt mit großem Vorsprung auf Platz eins. Laut dem Betreiber schlägt es dabei nicht nur sämtliche bekannten KI-Modelle, sondern erstmals auch menschliche Referenzarbeiten.
Veröffentlicht wurde die Rangliste am 18. November 2026 von Contra Labs, dem Bewertungs- und Forschungsarm des Freelancer-Netzwerks Contra, in Zusammenarbeit mit BenchFlow. Auf X bewarb Contra-Gründer Ben den Spitzenreiter mit dem Hinweis, Gestalt übertreffe alles einschließlich der menschlichen Vergleichsentwürfe - verriet jedoch nicht, welches Labor dahintersteckt.
Gestalt setzt sich deutlich von Menschen und Top-Modellen ab
Im aktuellen Live-Leaderboard führt Gestalt laut Contra Labs mit 1.931 Elo-Punkten und einer Siegquote von 90 Prozent bei 420 Bewertungen. Im Begleitblog nennt das Team noch einen leicht älteren Zwischenstand von 1.928 Punkten und 89 Prozent aus 423 Stimmen. In beiden Fällen liegt das unbekannte System rund 200 Punkte vor der Konkurrenz.
Auf Platz zwei folgen die menschlichen Referenzdesigns („Human golden“) mit 1.739 Elo-Punkten und 74 Prozent Siegquote. Bestes namentlich bekanntes KI-Modell ist Anthropics Claude Fable 5.2 mit 1.713 Punkten, dicht gefolgt von Claude Opus 5.5, OpenAIs GPT-6.1 Sol und Moonshot AIs Kimi K3.1 Pro. Hinter GPT-6 Astra klafft eine Lücke von über 200 Punkten zum restlichen Feld.
| Rang | Modell | Anbieter | Elo (Live) | Siegquote |
|---|---|---|---|---|
| 1 | Gestalt (Stealth) | Unbekannt | 1.931 | 90 % |
| 2 | Human golden | Contra-Designer | 1.739 | 74 % |
| 3 | Claude Fable 5.2 | Anthropic | 1.713 | 73 % |
| 4 | Claude Opus 5.5 | Anthropic | 1.691 | 73 % |
| 5 | GPT-6.1 Sol | OpenAI | 1.668 | 70 % |
| 6 | Claude Sonnet 5.5 | Anthropic | 1.667 | 69 % |
| 7 | Kimi K3.1 Pro | Moonshot AI | 1.663 | 71 % |
| 8 | GPT-6 Astra | OpenAI | 1.638 | 66 % |
35 Profi-Designer bewerteten echte Kunden-Briefings blind
Laut Methodik von Contra Labs beruht das Ranking auf 4.311 blinden Paarvergleichen durch 35 professionelle Designer aus dem eigenen Netzwerk. Statt simpler Standard-Prompts mussten die Systeme 33 reale Design-Aufgaben lösen - 27 umgeschriebene Website-Aufträge vom Contra-Marktplatz und sechs Projekte von Startup-Partnern.
Die Modelle liefen über OpenRouter in isolierten BenchFlow-Testumgebungen, nach Möglichkeit in der eigenen Agenten-Umgebung des jeweiligen Herstellers. Für die menschliche Messlatte erstellten bezahlte Contra-Designer zunächst Moodboards mit drei Stilrichtungen, bauten die Websites mit Werkzeugen eigener Wahl und überarbeiteten sie nach zwei Feedback-Runden.
Auffällig ist auch der hauseigene „Slop Detector“, der typische KI-Klischees in Layout und Text misst (0 bis 100, niedriger ist besser). Hier kommt Gestalt nach Angaben von Contra Labs auf den Wert 1 und damit auf Augenhöhe mit menschlichen Referenzseiten, während Claude Fable 5.2 bei 31 und GPT-6.1 Sol bei 53 liegen.
Spekulationen über den Absender - aber zentrale Belege fehlen
Auf X rätseln Entwickler und Beobachter, wer hinter dem Namen steckt. Mehrere Nutzer - darunter Beiträge aus der Entwickler-Community und weitere Kommentatoren - spekulieren über ein unveröffentlichtes Modell zum Anthropic-Börsengang, während andere Meta oder ein chinesisches KI-Labor vermuten. Bestätigt ist davon nichts.
Für eine nüchterne Einordnung fehlen derzeit entscheidende Daten. Zwar zeigt die öffentliche Galerie von Contra Labs Ergebnisse von 15 benannten Modellen und menschliche Referenzen zu zwölf Aufgaben - die Entwürfe von Gestalt fehlen dort jedoch komplett. Auch der Gesamtdatensatz ist nicht öffentlich zugänglich.
Hinzu kommen zwei weitere Einschränkungen: Im Kostenvergleich von Contra Labs taucht Gestalt überhaupt nicht auf, obwohl Spitzenmodelle wie Claude Fable 5.2 dort bereits bei mindestens 127,22 US-Dollar pro Entwurf liegen. Und der vielzitierte Direktvergleich gegen menschliche Profis - 20 Siege für Gestalt bei 28 Duellen - stützt sich auf eine kleine Stichprobe aus einem geschlossenen Juroren-Panel, während Contra Labs nach eigenen Angaben fortlaufend mit dem Gestalt-Team an Feedback arbeitet.
🎯 Was das für die Praxis bedeutet
1. Abwarten statt Hype folgen: Solange Anbieter, Preise, Nutzungsrechte und Beispiel-Ergebnisse unter Verschluss bleiben, ist Gestalt für Agenturen und Unternehmen kein nutzbares Werkzeug.
2. KI-Design verliert seinen Einheitslook: Der niedrige Wert im „Slop Detector“ zeigt die Richtung künftiger Modelle - generische Baukasten-Optik wird zunehmend abgelöst.
3. Kosten pro Entwurf mitdenken: Hohe Qualität im Agenten-Benchmark kann dreistellige Rechenkosten pro Seite verursachen; im Geschäftsalltag zählt das Verhältnis aus Preis, Tempo und Nachbearbeitungsaufwand.
Quellen
Anzeige · Buch und Angebot von Markus Kirchmair
Noch ein Tool. Oder endlich weniger Arbeit?
Prüfen Sie mit No More Tools, welche Software und Abläufe Ihr Unternehmen tatsächlich braucht. Im Workshop entsteht ein priorisierter Fahrplan.
