SemiAnalysis发布GDPx基准，无AI智能体得分超12%

分析机构SemiAnalysis发布GDPx基准，让AI智能体在最长八小时的模拟工作环境中完成206项、跨11个领域的真实工作任务，结果显示没有任何模型得分超过12%。 Claude Opus 5.5以12%居首；Gemini 4 Carbon得10.9%，但每任务成本仅16.29美元，约为前者三分之一；GPT-6 Astra得9.6%。 基准任务来自14家专业合作方，这些合作方也向AI实验室出售训练和评测数据；通常每个合作方仅公开一个示例任务，其余任务不对外公开。

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。