The Decoder· Manuel Uth·· 5 小时前AI 评分51
SemiAnalysis 发布 GDPx 基准：现实工作场景中 AI 智能体得分最高仅 12%
No AI agent scores above 12 percent on SemiAnalysis' new real-world work benchmark
AI 导读
SemiAnalysis 发布了 GDPx 基准，将 AI 智能体投入模拟工作环境中测试，206 项任务涵盖芯片设计、网络安全、法律等 11 个领域。基准测试结果显示，Claude Opus 5.5 以 12% 的最高得分位居榜首，没有模型在财务和法律任务中完全成功。
来源：The Decoder · the-decoder.com