65.5分，这是34个模型里表现最好的一个拿到的分数。人类设计师的参考分是92.3。差距接近27分，而且这27分几乎全部丢在同一个地方——创意。

Kombaico发布的Design Creativity Bench，专门用来评估AI的UI设计创造力。它没有只测"能不能画出一个界面"，而是把创造力拆成了三个维度来看：原创性、创意广度和适切性。

任务怎么设计的

整个基准建立在80个开放式UI任务上。每个任务适配两个不同的产品领域，最终形成160份设计简报。这个设计的用意很直接：同一个需求，放到两个不同场景里，看模型能不能给出不一样的东西。

评估结果呈现出一种明显的分裂。在适切性这一项上，所有模型都表现良好，最高达到99.2%。也就是说，让AI满足功能需求，它几乎不会失手。

但换到原创性和创意广度，分数就掉下来了。模型倾向于复制已知的模式，很难跳出既有框架去生成新的视觉语言。

问题可能出在训练方式上

一个被反复提到的解释是RLHF。模型被优化去匹配平均水平的反馈，而"平均"本身就意味着向中间靠拢。当训练目标变成让大多数人满意，独创性就成了被牺牲的那一项。

这解释了一个看起来矛盾的现象：AI在功能执行上越来越可靠，在创意上却没有同步往前走。它擅长的是把已经存在的答案做得更稳，而不是给出一个此前不存在的答案。

用一句话概括这个状态：模型是出色的"执行者"，但远远不是"创新者"。

接下来要动的是损失函数

如果低创造力的根源在训练目标，那解法也得从训练目标上找。相关方向提到两种思路：调整损失函数，或者引入多样性奖励，鼓励模型去探索更丰富的视觉表达，而不是收敛到那个最安全的平均值。

65.5和92.3之间的差距，本质上不是算力差距，也不是数据量差距。它更像是一个优化目标的选择问题——你让模型追求什么，它就会变成什么。