GDPx基准测试发布，AI agent最高得分仅12%

SemiAnalysis 发布 GDPx 基准测试，将 AI agent 置于模拟知识工作环境中评估，206 个任务涵盖芯片设计、生物、量化交易、网络安全和法律等 11 个领域，没有任何模型得分超过 12%。 Claude Opus 5.5 以 12% 的成绩排名第一。Gemini 4 Carbon 以 10.9% 紧随其后，每任务成本仅 16.29 美元，约为前者的三分之一。GPT-6 Astra 排名第三，得分 9.6%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。