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
- OpenAI 网络安全模型扫出 948 个 Linux 漏洞与 111 个 Firefox RCE — gdb · 2026-11-06
- GPT-6 Cyber 在 Firefox 挖出高危漏洞,发布方称普通人可能永远用不上 — adonis_singh · 2026-11-06
- GPT-6.1 Sol 做 3 台小鼠脑部手术后,定位速度近乎翻倍 — 141_1337 · 2026-11-06
- Ripple-65B 单卡 DGX Spark 实测：代码 20.5 tok/s,散文仅 7.6 — DZhang50 · 2026-11-06
- 第三方核查 OpenAI Astra 安全报告：关键数据未公开，因果链存疑 — kevrussell · 2026-11-06
- 专用模型 VINCO 匿名登顶全球 Catan 排行榜，击败所有人类世界冠军 — HeyAmit_ · 2026-11-06