跳到正文
热点事件历史事件

SemiAnalysis发布真实知识工作基准GDPx

1 篇报道1 个报道来源14 天前更新

先了解这件事

AI 综述

SemiAnalysis 发布面向真实知识工作场景的 AI 智能体基准 GDPx,Claude Opus 5.5 以最高 12% 的成绩居首,但没有模型超过 12%,Gemini 4 Carbon 得分为 10.9%,每任务成本约 16.29 美元。 GDPx 包含芯片设计、生物、量化交易、网络安全和法律等 11 个领域的 206 个任务。研究称,安全过滤会影响排名,封闭任务、模型自动评分及工具差异也使结果难以充分核验;合作方通常仅公开一个示例任务,其余内容不对外开放。开发者 Josh Purtell 仍认为该基准“噪声多于信号”。

AI 根据报道生成 · 14 天前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月6日
  1. The Decoder
    SemiAnalysis 发布 GDPx 工作基准,Claude Opus 5.5 得分不超过 12%

    SemiAnalysis 发布 GDPx 真实工作基准,Claude Opus 5.5 以 12% 位居榜首,没有模型超过 12%。该基准包含 206 个任务,覆盖芯片设计、生物、量化交易、网络安全和法律等 11 个领域;Gemini 4 Carbon 得分 10.9%,每任务成本约 $16.29。研究还指出,安全过滤会影响排名,且封闭任务、模型自动评分和工具差异使结果难以充分核验。