SemiAnalysis 推出 GDPx 基准：最强模型综合得分仅 12%
rajistics · x · 2026-11-03
SemiAnalysis 发布新基准 GDPx,覆盖芯片设计、网络安全、生物、金融、法律、量化交易、递归自我改进、硬件设计、材料科学与对齐等 AI 最有商业价值的领域,刻意舍弃政府、房地产、保险等行业,理由是 AI 第一万亿美元收入将集中在高 ROI 部署前沿智能的领域。
关键结果:
- 这是真正的前沿级基准:最好的模型综合得分也只有 12%。
- 没有单一模型称霸所有任务:Opus 5.5 在硬件设计最强(18.72),GPT-6 Astra 在 AI 自我改进领先(24.89),Gemini 4 Carbon 赢在软件工程(11.11),Muse Wonder Full 在网络安全拿 35.19。
- Opus 5.5 与 GPT-6 Astra 因安全分类器在网络/生物/对齐领域被压分,剔除这三域后排名更接近真实能力。
- OpenAI 与 Anthropic 整体居首,SpaceXAI、Meta 及开源权重模型明显落后。
作者借此提醒:不同任务下最优模型差异巨大,Agent 应保持模型无关性(model agnostic)。
所属事件:SemiAnalysis 发布 GDPx 前沿基准：最强模型仅得 12%(13 条相关)→
「模型」频道最新
- 博主自曝：Claude Opus 5.5 成其喜剧 AI 的主力模型 — ivan_bezdomny · 2026-11-03
- Mistral 大模型报告:砍 KV-cache 的省显存架构拖累 SWE-bench 表现 — _AndrewZhao · 2026-11-03
- 华盛顿邮报调查：LLM 生成投票指南 48% 选错国会选区 — Polymarket · 2026-11-03
- fchollet 吐槽 LLM 写作通病:每句都想当金句 — fchollet · 2026-11-03
- 用户年付 1200 美元用 Grok 仍每周打满额度，考虑升到 2000 美元档 — eter_inquirer · 2026-11-03
- 用户晒单:$1200/年 Grok 顶级套餐仍每周撞满用量上限 — eter_inquirer · 2026-11-03