SemiAnalysis 发布 GDPx 基准:智能体在 11 个领域专家工作上最高仅得 12%
中文摘要
SemiAnalysis发布GDPx基准,测试AI智能体在11个专家领域的表现。Claude 3.5 Opus以12%的准确率居首,整体表现仍处于初级阶段。
English Summary
SemiAnalysis launched the GDPx benchmark, showing top AI agents score only 12% on complex expert tasks. Claude 3.5 Opus leads, highlighting significant room for improvement in agentic reasoning.
Original Excerpt
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。