Wie GPT-5.6 und Kimi K3 gutes Design lernten – Design Arena Research

Das Benchmark-Team Design Arena hat Analysen zweier Modelle veröffentlicht, die in den Design-Rankings führend sind: GPT-5.6 Sol von OpenAI und Kimi K3 von Moonshot AI. Die Forscher untersuchten, wie die Modelle „guten Geschmack“ im Design gelernt haben, und stellten fest, dass es kein universelles Rezept gibt. Design Arena verwendet Blindvergleiche, bei denen Menschen für den ihnen besser gefallenden von zwei generierten Websites stimmen und so eine Elo-Bewertung bilden. Zuvor wurde das Problem des „typischen KI-Designs“ (lila Farbverläufe, Bento-Grids, übergroße Typografie) identifiziert, das als Design Smells bezeichnet wird und vor drei Monaten noch bei GPT-5.5 auftrat. GPT-5.6 Sol erreichte den ersten Platz in der Arena Web Design (Non-Agentic) mit einem Elo von 1353 und übertraf ihren Vorgänger um 18 Plätze, während sie gleichzeitig das schnellste und günstigste Modell mit vergleichbarer Bewertung war. Die Forscher analysierten 1000 von Sol generierte Websites und entdeckten „Löcher“ im Designraum – Bereiche, die das Modell vermeidet, obwohl es sie kennt. Ein Embedding-Abgleich zeigte, dass Sol gezielt KI-Antipattern wie lila Farbverläufe und Bento-Grids unterdrückt, aber immer noch Konfetti (in 26,5 Prozent der Fälle) generiert und bei realistischen Diagrammen Schwächen zeigt. Die zweite Analyse widmet sich Kimi K3, das den ersten Platz in der Single-Shot Frontend Arena (Elo 1408) und in der 3D-Design-Arena (Elo 1450) belegte. Das Modell verbraucht fast viermal so viele Token für Überlegungen wie sein Vorgänger und simuliert in seiner Argumentationskette einen vollwertigen KI-Agenten: Planung, Design, Iterationen und „mentales Testen“. K3 hat sich die IDs von Fotos und Bibliotheken eingeprägt, sodass in den Testbeispielen keine defekten oder irrelevanten Bilder auftraten – im Gegensatz zu Claude Fable 5 und Kimi K2.7 Code. Somit koexistieren in einem Benchmark drei Strategien: GLM 5.2 hat Schlechtes nicht gelernt (günstig, aber schablonenhaft), Sol hat es gelernt und unterdrückt (schnell und günstig), und K3 iteriert im Kopf (bezahlt mit Zeit und Token).