2026年10月7日，OpenAI将GPT-6引入ChatGPT，并推出了一个新功能：Intelligent UI。这个功能使得ChatGPT在回答问题时不仅仅提供几行文本，而是直接提供一个交互界面（GPT-6发布说明）。 在这个例子中，ChatGPT展示了一个周日烤肉聚会的例子，在交互界面上包括了插画、准备的时间线，以及一个可以逐项勾选的采购清单。
在 Hacker News 上的讨论 里，这个演示引来不少吐槽。有人觉得这像极了网上的美食博客，本来只想看一眼薄煎饼配方，非得先滑过五屏博主的心情日记和冗长排版。 原本用来展示技术进展的样片，反倒成了形式压倒内容的典型。这种反应背后，是大模型竞争方向的变化。
过去两三年里，厂商们忙着比拼代码生成和逻辑推理。当这些基本能力渐趋同质化，厂商们便把目光转向了界面的呈现形式。界面不再是工程师事先写好的静态页面，而是模型根据对话随手生成的即时控件。此时，一个核心问题浮出水面：好界面的决定权到底在谁手里，是百亿参数的模型权重，还是一份交给它的规则说明？
对话框里蹦出来的可点表单或动态图表，其实在 AI 用户眼里并不陌生。 早在 2024 年 6 月，Anthropic 就把 Claude 3.5 Sonnet 里的 Artifacts 功能推了出来，能在沙盒 iframe 里实时渲染前端网页。 到了 2025 年 11 月，Google Research 又发了 Google 的生成式界面研究，展示 Gemini 直接写代码来搭动态面板。 开源圈也热闹了好些年，从 Vercel 的 streamUI、json-render，到跨平台的 MCP Apps 协议，这条线已经摸索了两年。 而 OpenAI 则更早走了一条不同路线：2025 年 10 月推出了 Apps SDK（apps in ChatGPT），让外部开发者给 ChatGPT 提供带界面的 app，界面由开发者写好，ChatGPT 只负责在对话里渲染。
在 OpenAI 的发布介绍里，他们叫这个功能叫 Intelligent UI，工程上做的是更规整的路径。 他们没让 GPT 随便写任意的前端脚本，而是先封装了一套原生的、能流式传输的标准化组件库，比如图表、按钮、输入表单，外加一个编译器。 GPT-6 一边输出内容，编译器一边跟着 token 流实时解析组件，让界面像打字机一样逐步渲染出来，而不是等整页生成就显示。
但 OpenAI 想强调的重点，其实落在模型训练上。 他们声称通过改进训练，让模型学习权衡内容、版式、视觉与交互，甚至让模型有设计感，能判断页面是否清晰，只在必要时刻才生成界面，否则克制地不生成。
不过这些说法缺乏佐证。在官方的技术安全报告中，我们看不到任何关于视觉排版或者前端设计的评测，相关的开发者文档也没有提及。
但这种说法仍然引起了不少人的注意。 毕竟，如果AI的交互界面审美真的能训练到它的权重里，那开发者对软件表现层的掌控权就发生了改变。
控制权之所以会发生转移，是因为界面本身正在变得短命。界面由模型随对话即时生成，也就不再是长期留存的固定资产，而是用完即弃的耗材。一个界面如果只在屏幕上停留几秒钟，往往就没人去计较边角到底是几个像素的圆角。传统软件工程里，界面通常假设要长期使用。前端和设计师会花几个星期调整间距和字号，确认按钮位置符合操作习惯，因为成千上万的人会反复点击同一套页面。
模型生成的即时工具改变了这种假设。就像我之前讨论的 一次性软件，这些轻量工具往往是算法根据这一次的特定需求临时构建的，任务完成立刻销毁。 比如你想比较三种咖啡豆的烘焙曲线，系统临时生成一个专门的折线图工具；你关掉窗口，这段代码就再也不会被使用了。这种用完即弃的性质正在从功能蔓延到界面本身。 Hacker News 上有开发者把这类设计称为纸盘界面。就像聚餐时用的一次性纸盘，它图的是便宜和随取随用，但天然缺少传统陶瓷餐具的质感。
但当界面本身也是一次性的，设计的挑战反而更严峻。以前我们可以依赖长期交互来让用户适应操作习惯，可一次性界面让用户几乎没有时间去建立肌肉记忆。 如果一个AI生成的工具层级混乱、按钮主次不分，用户第一眼看不懂就会直接关掉，甚至厌恶这个界面。 所以在没有人类设计师参与的即时环境中，到底什么是合格设计？它从哪里稳定地生产出来，成了一个实际必须回答的问题。
要回答这个问题，我们首先要能够客观判断一个设计是好是坏。 以前我们认为审美纯属主观，但现在我们可以给它打分。 以前的基准主要评估数学推理、代码编写或问答准确率，但随着界面生成成为常见需求，出现了一系列专门针对排版品味的盲测擂台。 具体方法是，给不同的模型相同的界面设计提示词，让它们分别生成前端网页，然后由评测人员在双盲环境下进行两两打分，最终计算天梯积分。
从 2026 年 10 月初的测试结果来看，在累计超过 84 万票的 WebDev Arena 榜单中，Anthropic 的 Claude Opus 5.5 Max 以 1814 分高居榜首，超过了 OpenAI 最新推出的 GPT-6 Astra Max（1788 分），而 Google 的 Gemini 4 Argon High 则排在第九位（1678 分）。在另一个侧重文本到 HTML 视觉呈现的 Design Arena 中，排名也大致相同：Claude Opus 5.5 获得 1409 分继续保持第一，略高于 GPT-6 Astra（xhigh）的 1386 分，Gemini 3.8 Flash 则跌至第十八位（1309 分）。两个榜单的排名呈现出相同趋势：Anthropic 领先、OpenAI 次之、Google 明显落后。
学术研究也给出了支持性的证据。 Google Research 在 2026 年 2 月发表的这篇论文显示，对于同一个任务，参与者更喜欢动态界面而不是纯文本 Markdown。而且在多达 50% 的场景中，模型原生生成的界面可以达到人类专业设计师的水平。
由此可见，前端是否美观，在工程实践中已经成为一个可以用量化指标进行排序的技术方向。
排完名次的直觉会偏向：赢家的秘密一定在复杂模型的参数里。
Anthropic（第一名）公开的答案却是另一回事：它在代码库中提供了 这个技能文档（一个markdown文件叫
SKILL.md）。在 2026 年 9
月初的更新里，它把自己要解决的问题写清楚了：避免生成千篇一律的设计默认值。
打开这个文档，里面没有复杂的损失函数，只有具体的设计纪律。 它要求模型避开 AI slop 的默认套路。 在同一个代码仓库里，Anthropic 还有一份面向网页生成的配套技能文档，直接点名了四种典型毛病：泛滥成灾的居中对齐、千篇一律的紫色渐变、毫无节制的统一圆角卡片，以及无论什么场景都默认使用 Inter 字体。
而在 frontend-design
中，文档进一步规定了一个严格的两步流程：模型不能直接开始写代码，它在写出第一行
HTML
之前，第一步必须输出一个包含色彩、字体、布局和设计原则的设计系统，第二步再基于这个系统编写前端组件。
这些榜单展示的是模型的能力，是它可能达到的最佳水平，但它并不能保证你的结果会稳定地落在你期望的方向上。 这份文档要做的，是帮助不同的使用者在自己的产品里，都能稳定地拿到符合自己品牌方向的结果。 上限靠模型，方向靠文档。 哪怕模型的权重本身就带有绝佳的审美，要想让它在一个具体任务中稳定地输出符合调性的高水准 UI，仍然离不开外部显式上下文的精准校准。 模型权重决定了能力的理论天花板，而决定具体输出走向何处、能否稳定落地的导航系统，必须外置为一份可读、可调的纯文本规则。
把审美方向外置的最大好处是灵活、易移植，但它也埋下了同质化的隐患。 设计规范一旦提取成任何人都能复制的普通文本，就很容易快速扩散，但大家都在用同一套规则，整齐划一的美学风格也会以极快的速度蔓延。
这种同质化有两类来源，一类是模型本身的，基础模型自带一个很难改变的默认审美。Anthropic 官方指引里就提到 Claude 在没有干预的情况下有一种难以去除的默认风格：米白或乳霜色的背景色，铁锈橙色强调色，大号斜体的衬线字体做标题，副标题的字距很开。如果你不加干预的话，生成的内容会非常类似。Kyle Chayka 在 2026 年《纽约客》上有篇报道，讲了一种标准化的 AI 美学正在占领互联网。里面记录了一个独立设计师的故事，他看了两个独立初创企业的销售演示文稿，发现除了两家公司的商标不一样，整个界面的设计风格完全像是一个公司做出来的。这是因为两个销售演示文稿都是直接用的同一个工具 Claude Design 自带的默认样式。 第二类则来自纠偏规则的扩散可能带来的二次收敛。为了打破模型默认的审美套路，我们把设计规则写进了外置文档。但这同样会带来新的风险：可以预见，一旦大家都普遍采用某套行之有效的公开规则，新的千篇一律可能又会冒出来。当所有人都用同一份公开模板，界面就从模型内置的单一风格，滑向了另一份外置文档规定的同质化里。
比风格撞脸更麻烦的是，模型能生成好看的界面，不等于这些界面真的对人有用。 国际学术期刊 MDPI Electronics 在 2026 年 8 月刊登的 一项受试者实验 显示，在一个有 62 个参与者的实验中，未经过专业优化的初始 AI 生成的界面，让所有受试者在各个测试组中都感受到了最重的认知负荷，用户回答特定任务的准确率只有 63.10%；但经过专业设计或提示词精细调教后的界面，准确率全部达到 100%。 表面充满交互性的图形控件，如果缺乏符合直觉的组织原则，往往会成为理解上的噪音。模型的形式生成力并不等于有效的界面，未经干预的原始生成不仅加重了认知负担，而且降低了任务准确率，需要人类进行干预来纠正方向。
回头再看我们之前提到过的几个零散信息，它们其实指向的是一种特定的生产结构。
Anthropic 的模型在设计榜上拿第一，背后是仓库里一份叫
frontend-design 的技能文档决定了审美取向；OpenAI
做出即时交互界面，则是因为提前封装了原生组件库和编译器。
把这三样东西放在一起看，就是持续生产界面的内芯：基础模型负责底层通用推理和代码生成，文档里的规则确定具体审美和功能方向，组件库和编译器确保这些意图被安全快速地呈现在屏幕上。
就像我在之前的文章中提过的，我们可以把这称为界面的 生成内核。不论是写代码还是做界面，系统每一次运转，都在三者的配合下平衡界面的表达范围、意图还原的保真度和响应效率。
一旦理解了界面的生成内核，我们就能更清楚地看到即时界面为何在本质上与传统软件不同。 传统软件给人的稳定感，来自固定菜单和按钮在几年间几乎不变。 用户通过长期重复使用这些控件形成肌肉记忆，因此软件界面不是消耗品。 但在即时界面中，控件是按需生成、用完即毁的，没有长期存在的固定页面。 每次真正留存下来并决定下次界面长什么样的是你交给模型的说明。 屏幕上临时生成的代码不会参与下一次界面生成。模型负责它的能力上限，说明负责它的具体走向。
OpenAI 在发布说明的结尾写道：“不再是人适应软件，而是软件适应人。” 然而，这个变革的具体过程更加复杂。软件即兴重构界面以适应用户，但真正决定这种界面如何呈现的，通常是位于模型之外、定义其美感和功能边界的这份说明；模型的深奥权重决定了它的上限，而上下文决定了每次生成的具体走向。谁掌握了这些默认注入的规则，谁就掌握了决定用户每天看到什么界面的关键。