Oil UI, frontend-design, Impeccable & UI UX Pro Max: Uji 15 Putaran
Skill Desain UI mana yang benar-benar menghasilkan layar siap pakai di dalam Claude Code atau Codex? Kami memberikan brief produk yang persis sama kepada empat Skill UI open-source terpopuler—Oil UI, frontend-design milik Anthropic, UI UX Pro Max, dan Impeccable—ditambah garis dasar Tanpa Skill. Bandingkan layar hasil rendernya dan buka demo langsung secara berdampingan di bawah ini.
Poin utama
Skill UI khusus mana pun mengalahkan prompting mentah
Tanpa skill, model mencatat rata-rata 84.3 dan gagal pemeriksaan fungsional di 2 dari 3 putaran; keempat Skill UI lulus 12/12 putaran fungsional.
Setiap Skill memiliki karakter berbeda
frontend-design milik Anthropic dan Impeccable unggul dalam penataan gaya satu halaman, UI UX Pro Max menyukai kartu SaaS yang familier, dan Oil UI berfokus pada perbandingan multi-arah serta tinjauan tangkapan layar buta (mencapai 89.5 dalam pengujian lanjutan).
Poin penting 3
Mulai gratis untuk satu halaman, tingkatkan ke Pro untuk aplikasi produksi: Skill open-source gratis menangani halaman mandiri; tingkatkan ke Oil UI Pro ($19.99 beli sekali) untuk pembaruan basis kode lama, ruang kerja kompleks, dan tinjauan buta 9/10 3 putaran.
Perbandingan halaman nyata
Oil UI
v0.24.20.24.2Edisi sumber terbuka galeri · perbandingan multi-arah + tinjauan buta tangkapan layar
✓ KelebihanInformasi alat dan umpan balik jelas
△ BatasanTugas satu halaman belum menguji perbandingan multi-arah
frontend-design
Anthropiccommit-dbd4588f9e1033efb41dad4bef2f7947c8993d44Contoh resmi Anthropic · panduan gaya satu halaman
✓ KelebihanArah visual rak alat konsisten dan selaras
△ BatasanGaris tepi berulang membuat kartu terasa berat
UI UX Pro Max
v2.15.02.15.0Pustaka aturan komunitas populer · pola kartu SaaS standar
✓ KelebihanKatalog dan filter lengkap
△ BatasanHeader seluler tinggi menunda kemunculan kartu alat
Impeccable
v4.7.04.7.0Prompt penyempurnaan frontend · tiket gelap dan detail status
✓ KelebihanDesain tiket khas dan detail status jelas
△ BatasanPerataan antar kartu sedikit bergeser
Ringkasan hasil
Tanpa Skill
84.3 · rata-rata 3 percobaan2/3 teks konfirmasi simpan tidak sesuai dengan teks yang diharapkan.
Buka demo ↗Empat Skill
86.7–88.0 · rata-rata 3 percobaanSeluruh 12 cek fungsional lulus.
Kandidat optimasi Oil UI
89.5 · rata-rata tinjauan butaTiga arah, proyek yang sudah ada, dan tinjauan buta berulang; satu uji coba, bukan pembaruan resmi.
Baca laporan ↗Hasil: setiap skor putaran dan hasil fungsional
| Kondisi | run-1 | run-2 | run-3 | Jumlah tiga putaran | Rata-rata | Fungsional |
|---|---|---|---|---|---|---|
| Oil UI open-source | 88 · lulus | 90 · lulus | 83 · lulus | 261/300 | 87.0 | 3/3 lulus |
| frontend-design | 87 · lulus | 87 · lulus | 90 · lulus | 264/300 | 88.0 | 3/3 lulus |
| UI UX Pro Max | 86 · lulus | 88 · lulus | 86 · lulus | 260/300 | 86.7 | 3/3 lulus |
| Impeccable | 88 · lulus | 87 · lulus | 89 · lulus | 264/300 | 88.0 | 3/3 lulus |
| Kontrol tanpa Skill | 83 · gagal | 86 · lulus | 84 · gagal | 253/300 | 84.3 | 1/3 lulus, 2 gagal |
Seluruh 15 generasi dan tinjauan visual anonim selesai dijalankan; penerimaan fungsional lulus 13 putaran dan gagal dua. Rata-rata membagi jumlah tiga putaran dengan tiga dan ditampilkan hingga satu angka desimal, sehingga UI UX Pro Max adalah 260/3 dan tanpa Skill adalah 253/3. JSON publik memuat setiap skor enam dimensi, hasil fungsional, dan URL aset publik.
Cara memilih: pilih frontend-design (88.0) atau Impeccable (88.0) untuk penataan gaya satu halaman yang cepat, UI UX Pro Max (86.7) untuk katalog kartu SaaS yang familier, dan Oil UI (87.0 di 0.24.2; 89.5 dalam pengujian kandidat lanjutan) saat Anda menginginkan papan perbandingan multi-arah, tinjauan tangkapan layar buta, atau pembaruan proyek yang ada di Oil UI Pro.
Oil UI open-source 0.24.2: 87.0, dengan run-3 kehilangan poin karena transparansi berulang
Skor visualnya adalah 88, 90, dan 83, dengan 6/6 skenario fungsional lulus setiap kali. Ketiga keluaran menempatkan pencarian, filter, dan enam alat di pusat, dengan urutan informasi kartu yang stabil. Menyimpan memperbarui teks, ikon atau bentuk, isian, dan hitungan; hasil kosong menawarkan atur ulang, kegagalan muat menawarkan coba lagi, serta kesalahan formulir menyertakan ringkasan dan panduan pemulihan tingkat kolom.
Pada run-1, formulir seluler yang panjang memerlukan gulir untuk menampilkan seluruh baris aksi setelah kesalahan muncul, dan beberapa tangkapan menangkap kartu berikutnya nyaris transparan saat masuk. Run-2 mengembangkan sistem garis indeks bersama dan tab tersimpan yang lebih kohesif, tetapi efek masuk 420ms menghasilkan bingkai pucat pada tangkapan pencarian dan penyegaran saran. Teks pendukung monospace kecil juga membuat halaman panjang lebih sulit dibaca.
Pada run-3, setiap pembangunan ulang renderTools() memutar ulang animasi card-in 180ms dari opacity: 0. Tangkapan pencarian menampilkan "1 tool" tanpa kartu hasil yang terlihat, sementara tangkapan pencarian seluler, penyegaran tersimpan, dan penyegaran saran memperlihatkan kartu yang nyaris transparan. Meski penerimaan fungsional lulus, berulang kali menyembunyikan konten utama selama pemfilteran rutin mengganggu umpan balik, sehingga putaran ini mendapat skor 83. Bingkai tersebut tidak membuktikan kehilangan data permanen.
frontend-design: 88.0, bahasa laci kerja yang kohesif dengan penekanan berulang
Skor visualnya adalah 87, 87, dan 90, dengan 6/6 skenario fungsional lulus setiap kali. Run-1 membangun "laci kerja" dari permukaan abu-abu sejuk, kertas label, garis rak gambar tangan, penanda buku, dan simbol alat yang berbeda, menjaga ringkasan serta kasus penggunaan tetap fokus. Menyimpan mengubah teks, isian penanda buku, dan warna permukaan; kartu seluler pertama dan aksi formulir tidak valid terlihat sepenuhnya.
Run-2 mempertahankan hierarki jelas tetapi menggabungkan bilah atas kartu alat 6px, garis dasar kartu tebal, dan garis kiri di sekitar filter serta saran, membuat desainnya terasa lebih berat secara visual. Dialog error selulernya menempatkan batal dan simpan di bawah viewport awal 844px, mengharuskan gulir. Run-3 juga mengulang garis kiri biru dan memakai label serta metadata kecil. Rata-ratanya menyamai Impeccable, tetapi layar dan kelemahannya berbeda.
UI UX Pro Max 2.15.0: 86.7, status menyeluruh tertahan oleh kepadatan seluler dan penempatan aksi
Skor visualnya adalah 86, 88, dan 86, dengan 6/6 skenario fungsional lulus setiap kali. Ketiga versi menata enam alat menurut nama, ringkasan, kasus penggunaan, tag, harga, dan platform. Menyimpan memperbarui teks Save/Saved, penanda buku, hitungan, dan status Saved only; kegagalan muat, degradasi penyimpanan, dan error formulir semuanya memiliki jalur pemulihan.
Run-2 mengulang aksen atas 4px pada kartu alat dan garis kiri di sekitar saran serta spesifikasi; kategori, angka, dan tag 12px yang sering muncul membuat perlakuannya terasa berpola. Di run-3, kartu alat seluler pertama dimulai sekitar 712px, menyisakan bagian atasnya saja yang terlihat di viewport 844px, dan tinggi halaman penuhnya sekitar 4695px. Formulir error panjang di desktop dan seluler memerlukan gulir untuk menemukan kirim dan batal; keduanya lulus penerimaan, tetapi penyelesaiannya kurang langsung.
Impeccable 4.7.0: 88.0, dengan detail direktori yang terhubung ke status nyata
Skor visualnya adalah 88, 87, dan 89, dengan 6/6 skenario fungsional lulus setiap kali. Run-1 menggunakan perforasi, garis putus-putus, dan tanda jahitan untuk membentuk arah contoh tiket yang kohesif. Di run-3, Catalog register mengubah gaya garis mengikuti pencarian, penyimpanan, dan pemfilteran, menautkan dekorasi pada status sebenarnya. Umpan balik simpan memadukan teks, tanda, isian, atau garis tepi, sementara hasil kosong dan kegagalan muat menawarkan tindakan berikutnya.
Pengurangan nilai berpusat pada kepadatan dan alur layar kecil. Di run-1, ringkasan, tag, dan metadata tidak berbagi garis dasar di antara kartu sebaris ketika panjang konten berbeda, dan metadata 12px lemah. Run-2 menggabungkan header tinggi dengan beberapa lapisan filter, menyisakan lebih sedikit aksi alat di viewport seluler pertama dan menghasilkan halaman setinggi 3149px. Beberapa dialog error seluler juga memerlukan gulir untuk memperlihatkan batal dan simpan.
Lampiran | Kandidat optimasi Oil UI 0.24.2: satu uji coba lanjutan
Lampiran ini membahas satu uji coba lanjutan dari kandidat optimasi independen berbasis Oil UI 0.24.2, kembali menggunakan Kimi AgentSwarm dengan kimi-1021-preview. Kandidat ini bukan rilis resmi, berada di luar sampel 15 putaran asli, dan tidak mengubah ataupun menggantikan hasil tersebut; satu uji coba tidak membuktikan peningkatan umum.
Penerimaan fungsional independen lulus 6/6 skenario, dan pemeriksaan interaksi berkelanjutan yang diperluas lulus 2/2 di 11 titik periksa. Kedua peninjau buta independen memberi skor 89 dan 90, rata-rata 179/2 = 89.5. Mereka tidak menjalankan ulang Playwright, dan bukti fungsional tetap terpisah dari skor visual. Bukti langsung hanya mencakup Chromium pada 1440×900 dan 390×844, bukan ponsel nyata, semua breakpoint, peramban lain, atau audit aksesibilitas lengkap.
- DOM dan gerak: tidak ada pemutaran ulang seluruh daftar selama penggunaan berkelanjutan atau pemulihan
- Di seluruh 11 titik periksa berkelanjutan, kartu yang dipertahankan mencatat sameOriginalNode=true alih-alih membangun ulang seluruh rangkaian. Catatan animationstart kartu dan saran kosong, dan kedua peninjau memeriksa video interaksi berkelanjutan. CSS Transition lokal pada tombol simpan dicatat terpisah, bukan sebagai pemutaran ulang daftar. Setelah penyegaran, keenam kartu yang dipulihkan dan saran memiliki cssAnimations=0, restoreAnimationStarts kosong, dan status tersimpan maupun konten saran pulih keduanya.
- Aksi seluler dan hierarki visual
- Dengan empat error di viewport 390×844, tombol batal dan kirim keduanya setinggi 48px dengan tepi bawah pada 819px, menjaganya tetap di dalam viewport. Kedua aksi adalah klik sentuh terpercaya, dan pengiriman yang diperbaiki bertahan setelah penyegaran. Kedua peninjau buta mengonfirmasi bahwa dialog dan ringkasan error tidak memiliki bilah penekanan atas tebal, sementara hierarkinya tetap jelas.
- Error lama, teks kecil, dan kontras placeholder masih perlu perbaikan
- Setelah kolom diperbaiki dan sebelum pengiriman berikutnya, ringkasan error lama dan error per kolom tetap terlihat. Ini sesuai dengan validasi saat kirim, bukan kegagalan fungsional, tetapi melemahkan ketepatan waktu umpan balik. Sebagian teks pendukung tetap 9–11px. Peninjau A mengukur kontras placeholder input sekitar 3.76:1, di bawah referensi 4.5:1 untuk teks normal; ini merupakan pemeriksaan titik lokal, bukan audit kontras lengkap.
Kontrol tanpa Skill: 84.3, antarmuka lengkap bersama dua kegagalan yang tetap terlihat
Skor visualnya adalah 83, 86, dan 84. Kertas hangat, penomoran, dan garis indeks membentuk direktori alat yang kohesif, dengan tata letak desktop tiga kolom dan seluler satu kolom yang umumnya jelas; penyimpanan dan status kosong sering kali menggunakan lebih dari sekadar warna. Model di baliknya sudah mampu menghasilkan antarmuka lengkap tanpa Skill, sehingga penilaian memerlukan perbandingan konkret alih-alih asumsi skor nol.
Run-1 dan run-3 gagal pada asersi teks Toast persis di interaction-and-persistence: kontrak mengharapkan “Suggestion saved.” sedangkan teks aktual menambahkan tanda centang dan spasi. Di run-3, tanda centang itu berstatus aria-hidden di HTML, sehingga hasilnya tidak membuktikan bahwa saran atau persistensi rusak total. Berdasarkan kontrak tetap, kedua putaran tetap berstatus failed pada 5/6, dan langkah setelah asersi gagal tidak dapat dihitung sebagai diterima.
Teks pendukung berulang kali terlalu kecil atau pudar. Di run-3, perhitungan warna sampel menemukan kontras lemah untuk nomor alat dan placeholder, serta hanya tepi atas aksi bawah dialog error seluler yang awalnya terlihat. Di run-1, pengantar dan filter memenuhi sebagian besar layar seluler pertama.
Tugas dan versi: satu brief CommonShelf
CommonShelf adalah direktori alat pribadi tanpa alur akun. Brief menyediakan enam catatan alat tetap dan mewajibkan implementasi HTML, CSS, dan JavaScript polos untuk pencarian, filter kategori dan tersimpan saja, penyimpanan alat, dialog saran tervalidasi, serta FAQ yang dapat dioperasikan dengan keyboard. Kecuali untuk tautan resmi alat yang diaktifkan pengguna, halaman tidak mengirim permintaan runtime eksternal. Setiap agen menyerahkan satu arah, bukan membuat beberapa lalu memilih satu.
Setiap kondisi Skill hanya membaca SKILL.md yang ditugaskan satu kali; kontrol tidak membaca apa pun. Versi dikunci sebelum pembuatan, tidak digantikan oleh edisi global atau berbayar, dan lisensi tercantum bersama sumbernya.
| Kondisi | Versi terkunci | Lisensi |
|---|---|---|
| Oil UI open-source | 0.24.2 (tag v0.24.2) | MIT |
| frontend-design | commit-dbd4588f9e1033efb41dad4bef2f7947c8993d44 | Apache-2.0 |
| UI UX Pro Max | 2.15.0 (tag v2.15.0) | MIT |
| Impeccable | 4.7.0 (tag skill-v4.7.0) | Apache-2.0 |
| Kontrol tanpa Skill | Tanpa Skill atau versi hulu | Tidak ada lisensi hulu |
Metode: 15 generasi independen, dengan bukti fungsional dan visual dipisahkan
Setiap generasi menggunakan agen baru di Kimi AgentSwarm dengan kimi-1021-preview dan thinking effort disetel ke max. Kondisi dapat berjalan paralel, tetapi run-1, run-2, dan run-3 dalam tiap kondisi berjalan berurutan. Setiap putaran dimulai di ruang kerja baru, tidak dapat membaca halaman, tangkapan layar, atau percakapan putaran lain, serta tidak mengganti keluaran yang lebih lemah. Penjadwalan dan pemulihan memengaruhi waktu tempuh, sehingga waktu tidak dibandingkan.
Setelah pembuatan, runner Playwright 1.64.1 independen memeriksa enam kelompok skenario di Chromium: garis dasar desktop, garis dasar seluler, interaksi dan persistensi, konten tidak tersedia, penyimpanan tidak tersedia, dan gerakan berkurang, pada 1440×900 dan 390×844. Penerimaan tidak mengumpankan perbaikan kembali ke artefak yang dihasilkan, dan skor visual tidak diperlakukan sebagai kelulusan fungsional.
Tinjauan visual menggunakan 15 paket teranonimkan dengan identitas kondisi dan catatan proses pembuatan disembunyikan, sementara file runtime, tangkapan layar, dan status penerimaan tetap tersedia. Setiap paket menerima satu tinjauan. Enam skor dimensi dijumlahkan untuk setiap putaran, lalu dirata-ratakan di ketiga putaran; total dimensi adalah 100, tanpa pembobotan ekstra atau memilih putaran berskor tinggi untuk mewakili yang lain.
| Dimensi | Maksimum |
|---|---|
| Hierarki visual dan keterbacaan | 20 |
| Kesesuaian produk dan orisinalitas | 20 |
| Perilaku responsif | 15 |
| Interaksi dan umpan balik status | 20 |
| Aksesibilitas | 15 |
| Detail dan gerak | 10 |
Batasan: apa yang dibuktikan dan tidak dibuktikan oleh bukti ini
Pengujian ini mencakup satu brief statis CommonShelf berbahasa Inggris, satu model, dan tiga sampel akhir per kondisi. Rubrik enam dimensi tetap melibatkan penilaian: satu tinjauan berkorespondensi dengan satu paket teranonimkan, bukan riset pengguna skala besar atau eksperimen signifikansi statistik. Tugas, bahasa konten, kerangka, atau model lain dapat mengubah hasilnya.
Penerimaan fungsional mencakup enam kelompok skenario Chromium yang telah ditentukan, bukan audit produk lengkap. Tata letak tablet biasa memiliki bukti stylesheet tetapi tidak ada tangkapan layar khusus. Safari, Firefox, perangkat sentuh nyata, pembaca layar, zoom 200%, dan pemeriksaan WCAG penuh belum dijalankan. Tangkapan layar statis tidak dapat menggambarkan waktu animasi berkelanjutan: bingkai transparan Oil UI run-3 membuktikan masalah umpan balik, bukan kualitas bingkai tenang setelah animasi.
Demo publik mempertahankan halaman pascagenerasi aktual dan kegagalan fungsionalnya. Gangguan teknis dan pemulihan terikat protokol tidak dihitung sebagai kegagalan fungsional kandidat atau dipakai membandingkan waktu tempuh; keduanya terpisah dari penerimaan pascagenerasi independen.
Reproduksi: periksa buktinya, lalu jalankan perbandingan Anda sendiri
Gunakan 15 demo, 20 gambar awal, dan results.json di atas untuk memeriksa artikel ini. Untuk pengulangan yang sebanding, pertahankan brief yang sama, versi terkunci, dan modelnya; mulai agen baru setiap kali; pertahankan ketiga keluaran; dan jalankan penerimaan independen setelah generasi. File konten publik identik byte-per-byte dengan salinan yang disajikan bersama demo. Prompt di bawah adalah brief pengulangan yang dipadatkan, bukan file tugas beku asli.
Perintah instalasi open-source menginstal versi apa pun yang terselesaikan saat dijalankan, tidak harus 0.24.2. Untuk perbandingan ketat, catat versi terpasang dan gunakan commit terkunci di tabel. Perlakukan versi yang lebih baru sebagai pengujian baru alih-alih menimpa angka-angka ini.
Instal Oil UI open-source dan catat versinya
Coba dulu Skill open-source pada tugas Anda sendiri. Oil UI Pro tidak digunakan dalam benchmark ini.
npx skills add oil-oil/oil-uiJalankan tiga generasi independen per kondisi
Pertahankan model dan data konten tetap sama. Mulai setiap putaran dengan agen dan ruang kerja baru, serahkan satu arah, dan jangan mengimpor atau memperbaiki halaman putaran lain atau mengganti keluaran yang lebih lemah.
Pisahkan penerimaan fungsional dari tinjauan visual anonim
Periksa enam kelompok skenario pada 1440×900 dan 390×844 serta pertahankan setiap kelulusan atau kegagalan. Sembunyikan identitas kondisi untuk tinjauan visual, terapkan enam dimensi yang sama, dan publikasikan setiap hasil, bukan hanya rata-ratanya.
Build one complete CommonShelf static web app with plain HTML, CSS and JavaScript. Use the supplied content.json unchanged. Make one coherent direction without asking for a selection. At 1440×900 and 390×844, the first viewport must help a visitor find, understand and save tools. Implement combined search, category and saved-only filters; local-storage saves; a validated suggestion dialog; exactly three keyboard-operable FAQ items; actionable content-unavailable and storage-unavailable states; visible focus; and reduced motion. Keep suggestions outside the curated tool grid. Make no external requests except user-activated official links. Do not import another run or replace a weak result. Preserve every failure, then independently verify the actual page and review anonymized screenshots and runtime files.Ini adalah brief ringkas untuk pengulangan yang sebanding. Reproduksi ketat juga memerlukan versi terkunci di atas, enam kelompok skenario penerimaan, dan rubrik penilaian yang sama.
Contoh galeri langsung & prompt
Jelajahi koleksi →Mulai dengan open-source gratis; tingkatkan ke Oil UI Pro untuk aplikasi produksi & pembaruan proyek lama
Benchmark ini hanya menguji garis dasar open-source gratis dalam mode sekali jalan. Saat Anda membutuhkan pemilihan arah berdampingan, pembaruan aman 3 tingkat pada basis kode yang ada, 10 templat ruang kerja kompleks, dan hingga 3 putaran tinjauan buta dengan target kualitas 9/10, tingkatkan ke Oil UI Pro ($19.99 beli sekali, pembaruan seumur hidup).
Jelajahi Oil UI Pro →npx github:oil-oil/oil-cli install oil-ui-proPertanyaan umum
Bisakah perbandingan ini menentukan Skill mana yang harus saya instal?
Jangan memutuskan dari rata-ratanya saja. Bandingkan hierarki katalog, aksi seluler, gerak, kegagalan fungsional, dan lisensi sumber, lalu buka demo yang sesuai dengan prioritas Anda.
Mengapa Oil UI run-3 mendapat skor visual 83 padahal semua skenario fungsional lulus?
Penerimaan memastikan perilaku yang ditentukan berjalan; tinjauan visual juga memeriksa umpan balik. Setiap pembangunan ulang kartu pada putaran ini memutar ulang animasi dari transparansi, meninggalkan area hasil nyaris kosong dalam beberapa tangkapan pencarian, simpan, dan saran. Cacat umpan balik yang terlihat ini membenarkan skor 83, tetapi tidak membuktikan kehilangan data permanen.
Apakah dua kegagalan tanpa Skill berarti penyimpanan rusak total?
Tidak. Kedua putaran gagal pada asersi teks Toast persis karena teks aktual menambahkan tanda centang dan spasi. Itu tidak membuktikan kegagalan simpan atau persistensi total, tetapi gagal memenuhi kontrak yang telah ditentukan, sehingga kedua putaran tetap berstatus failed pada 5/6.
Bagaimana saya dapat memverifikasi angka dan layar di artikel ini?
Unduh results.json untuk setiap skor enam dimensi, total, dan hasil fungsional, lalu buka tiga gambar awal desktop, satu gambar seluler, dan tiga demo berfungsi milik tiap kandidat. Setiap gambar seluler berasal dari run-1; tidak ada putaran berskor lebih tinggi yang disubstitusikan, dan tidak ada tangkapan layar formulir yang dijadikan visual utama.

























