SemiAnalysis 新基准 GDPx:所有 AI Agent 得分不超过 12%
The Decoder · rss · 2026-11-06
SemiAnalysis 推出 GDPx 基准,用模拟知识工作考察 AI Agent,任务覆盖芯片设计到量化交易等真实领域,结果没有任何模型得分突破 12%,Claude Opus 5.5 以微弱优势领先 Gemini 4 Carbon。批评者指出每个领域的任务数量偏少、测试条件不一致,结论需谨慎解读。
「模型」频道最新
- Claude Fable 11 月 16 日后告别额度内使用,仅按积分计费 — heypearlai · 2026-11-10
- Grok 月活逼近 1 亿,xAI 用户规模再创新高 — NicoVerderosa · 2026-11-10
- 网友实测:免费账号升级后同样能拿到 Fable 重置额度 — Sauers_ · 2026-11-10
- 用户发现免费账号升级后 Fable 额度仍保留每周重置 — Sauers_ · 2026-11-10
- matt shumer 烧 4000 亿 token 实测 Fable 5.2,晒出最疯狂作品 — mattshumer_ · 2026-11-10
- Fable 5.2 对决 Opus 5.5 五项实测:Fable 4 胜 1 负 — petergyang · 2026-11-10