返回首页
RadarAI··论文与技术

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.

原文节选

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。