Un equipo de investigación ha publicado Design Creativity Bench, una nueva métrica que evalúa la capacidad de los modelos de inteligencia artificial para tomar decisiones creativas en el diseño de interfaces de usuario (UI). A pesar de los rápidos avances en la generación de sitios web funcionales, los modelos de frontera aún muestran una deficiencia significativa en la creatividad de diseño, según los resultados de esta evaluación.
El estudio analizó 16 modelos de frontera en 80 tareas de diseño abiertas, adaptadas a dos dominios de producto distintos y comparadas con referencias de diseñadores humanos. A diferencia de los benchmarks existentes que miden una única métrica de calidad de salida, este nuevo marco mide tres dimensiones específicas: originalidad, rango creativo y adecuación. La originalidad se define por la distinción de los diseños de un modelo frente a otros para el mismo breve; el rango creativo mide la adaptación de las decisiones de diseño cuando cambia el dominio del producto; y la adecuación evalúa qué tan bien la UI generada cumple con los requisitos funcionales del breve.
Los resultados revelan una brecha sustancial en la creatividad general. El mejor modelo evaluado, @OpenAI GPT-6 Astra, obtuvo una puntuación de 65,5, frente a una referencia humana de 92,3. Esta publicación incluye el leaderboard completo, la metodología y un marco de evaluación reproducible para hacer de la creatividad de diseño una dimensión medible de la capacidad de los modelos de frontera. El objetivo es proporcionar una base objetiva para comparar el rendimiento creativo de la IA en el diseño de productos digitales.