SemiAnalysis 发布 GDPx 基准：无 AI 智能体在模拟工作测试中得分超 12%

SemiAnalysis 发布 GDPx 基准，将 AI 智能体放入模拟工作环境执行 206 项跨 11 领域任务，所有模型得分均未超 12%。Claude Opus 5.5 以 12% 领先，Gemini 4 Carbon 以约三分之一成本获 10.9%，GPT-6 Astra 为 9.6%。该基准因任务封闭和评分方式受质疑，但可防止模型针对测试过拟合。