SemiAnalysis 发布 GDPx 工作基准，最高分仅 12%

SemiAnalysis 发布 GDPx 基准，让 AI 智能体在模拟工作环境中完成任务，而非回答知识题。该基准覆盖芯片设计、生物、量化交易、网络安全、法律等 11 个领域的 206 个任务，得分最高的是 Claude Opus 5.5，仅为 12%，没有模型在金融和法律任务上完全达标。 任务来自 14 家专业合作方，这些合作方同时向 AI 实验室销售训练和评估数据；每个合作方通常只公开一道示例任务。SemiAnalysis 计划每三到六个月更新一次该基准。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。