SemiAnalysis 发布 GDPx Agent 实际工作基准

分析机构 SemiAnalysis 发布 GDPx 基准，不考知识问答，而是把 AI 智能体放进最长八小时的模拟知识工作环境。首批成绩显示，没有模型得分超过 12%，Claude Opus 5.5 以 12% 排名第一。 基准包含 206 个任务，覆盖芯片设计、生物、量化交易、网络安全和法律等 11 个领域。任务来自 14 家专业合作方，这些合作方也向 AI 实验室出售训练和评估数据，通常每个合作方只公开一道示例任务。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。