跳到正文
Seven Minute Feed·· 13 天前AI 评分63

SemiAnalysis GDPx 基准测试:无 AI 智能体在真实工作任务中超过 12% 完成率

SemiAnalysis GDPx benchmark: no AI agent tops 12% on real work

AI 导读

SemiAnalysis 推出 GDPx 基准测试,让 AI 智能体在 11 个领域(含芯片设计、量化交易、法律)的 206 项任务中模拟最长八小时工作。Claude Opus 5.5 以 12% 完成率居首,Gemini 4 Carbon 以 10.9% 次之(单任务成本约 16.29 美元),GPT-6 Astra 为 9.6%。

来源:Seven Minute Feed · gdpx.semianalysis.com