List your company

UI Generation on 429 human-rated UI pairs 1.0 (test)

1,342Elo ScoreClaude Sonnet 4.5
753.36906.181,0591,211.82May 5, 2026

Evaluation results

MethodLinks
Claude Sonnet 4.5Evaluator=Human2026.051,3421———
Claude Sonnet 4.5Evaluator=MLLM2026.051,3141———
Claude Sonnet 4.5Evaluator=DTW2026.051,2101———
GPT 5.1 CodexEvaluator=MLLM2026.051,1622———
Claude Sonnet 4.5Evaluator=WMD2026.051,1461———
Qwen3Coder 480BEvaluator=Human2026.051,1192———
Claude Sonnet 4.5Evaluator=eBLEU2026.051,0981———
Qwen3Coder 480BEvaluator=WMD2026.051,0522———
Gemini Pro 2.5Evaluator=Human2026.051,0483———
Gemini Pro 2.5Evaluator=WMD2026.051,0333———
Gemini Pro 2.5Evaluator=eBLEU2026.051,0242———
GPT-OSS 120BEvaluator=DTW2026.051,0212———
Gemini Pro 2.5Evaluator=DTW2026.051,0083———
GPT-OSS 120BEvaluator=eBLEU2026.059993———
Qwen3Coder 30BEvaluator=eBLEU2026.059984———
Qwen3Coder 480BEvaluator=MLLM2026.059963———
Qwen3Coder 30BEvaluator=WMD2026.059834———
Qwen3Coder 30BEvaluator=Human2026.059724———
GPT 5.1 CodexEvaluator=eBLEU2026.059695———
Qwen3Coder 480BEvaluator=eBLEU2026.059676———
Qwen3Coder 30BEvaluator=DTW2026.059644———
GPT-OSS 20BEvaluator=eBLEU2026.059577———
GPT 5.1 CodexEvaluator=DTW2026.059485———
Qwen3Coder 480BEvaluator=DTW2026.059446———
Qwen3Coder 30BEvaluator=MLLM2026.059424———
GPT 5.1 CodexEvaluator=WMD2026.059405———
GPT 5.1 CodexEvaluator=Human2026.059285———
GPT-OSS 120BEvaluator=WMD2026.059286———
GPT-OSS 20BEvaluator=WMD2026.059157———
GPT-OSS 20BEvaluator=DTW2026.059097———
Gemini Pro 2.5Evaluator=MLLM2026.058745———
GPT-OSS 120BEvaluator=MLLM2026.058586———
GPT-OSS 20BEvaluator=MLLM2026.058527———
GPT-OSS 20BEvaluator=Human2026.058266———
GPT-OSS 120BEvaluator=Human2026.057767———
DTW2026.05——0.250.3768.1
eBLEU2026.05——0.390.2361.1
MLLM2026.05——0.710.4471.1
WMD2026.05——0.960.4673