SemiAnalysis 发布 GDPx 基准：最强模型 Claude Opus 5.5 仅得 12%
zephyr_z9 · x · 2026-11-02
SemiAnalysis 发布前沿级 agent 能力基准 GDPx，覆盖 11 个高价值领域，等权平均计分，任务采用二值与连续评分结合、每次取 3 次尝试平均。
首期榜单显示模型差距极大：
- Claude Opus 5.5 以 12.0% 居首（单任务成本 $51.41）
- Gemini 4 Carbon 10.9%、GPT-6 Astra 9.6%、Meta Muse Wonder Full 9.0% 依次排后
- 开源侧 DeepSeek 4.1 Flash 得 5.4%（单任务仅 $0.94，性价比突出）、GLM 5.3 得 2.7%
- 即使最好的模型也只能完成 7 个任务中的 1 个，说明当前 agent 在高价值真实任务上的能力远未成熟
「模型」频道最新
- 仅调 0.001% 权重让 Gemma 3 270M 排序正确率从 1% 升至 97% — dejanseo · 2026-11-02
- Asianometry 深度解析：智谱 AI 与 GLM 如何成为中国企业级 AI 冠军 — wren6991 · 2026-11-02
- 博主实测：Opus 5.5 设计能力远超 astra，堪比天才设计师 — tengyanAI · 2026-11-02
- Investment Arena 实盘赛:72 个 AI 交易员五天淘汰至 9 个,Grok 4.7 +3.9% 夺冠 — my_cat_can_code · 2026-11-02
- 重度用户数小时即触顶：AI 订阅限额引发真实需求之争 — RachelVT42 · 2026-11-02
- 飞美国办卡开 Claude 大会员：花 3 万拿 40 倍 API 额度的套利攻略 — teortaxesTex · 2026-11-02