SemiAnalysis 发布 GDPx 基准：智能体在 11 个领域专家工作上最高仅得 12%
北京时间 · UTC+8
SemiAnalysis 发布 GDPx 基准，测试 AI 智能体在 11 个领域的专家工作，任务来自 14 家专业数据伙伴。Claude Opus 5.5 平均仅 12% 居首，Gemini 4 Carbon 为 10.9%；GPT-6 Astra 在 AI 研究和材料科学任务上领先。
AI PRICE SPY / INTELLIGENCE
SemiAnalysis发布GDPx基准，最佳模型仅得12%
AIHOT 摘要属于编辑内容，购买前请核对原始公告和官方价格。
SemiAnalysis 联合 14 家专业强化学习环境伙伴发布 GDPx 基准，覆盖芯片设计、网络安全、生物、金融、法律、量化交易、RSI、硬件设计、材料科学、对齐和软件工程 11 个领域，该机构称目标是成为衡量通用智能体能力的最佳基准。 结果显示，表现最好的模型在该基准上仅得 12%。Rohan Paul 在 X 上称，Claude Opus 5.5 平均 12% 居首，Gemini 4 Carbon 为 10.9%，GPT-6 Astra 在 AI 研究和材料科学任务上领先。 Google CEO 桑达尔·皮查伊在 X 上称，很高兴看到高质量、仍有提升空间的基准测试，并提及 Carbon 成本曲线。
事件时间线
SemiAnalysis 发布通用智能体能力基准 GDPx，最佳模型仅得 12%
北京时间 · UTC+8
SemiAnalysis 联合 14 家专业 RL 环境伙伴推出 GDPx 基准，覆盖芯片设计、网络安全、生物、金融、法律、量化交易、RSI、硬件设计、材料科学、对齐和软件工程 11 个领域，目标是成为衡量通用智能体能力的最佳基准。