SemiAnalysis has released GDPx, a benchmark testing AI agents on expert work across 11 domains.
SemiAnalysis发布的GDPx基准测试显示，Claude Opus 5.5平均得分为12%，Gemini 4 Carbon为10.9%；OpenAI的GPT-6 Astra在AI研究和材料科学任务中得分最高。
1 篇报道1 个来源
报道 1
Rohan Paul (@rohanpaul_ai)
同事件
SemiAnalysis 发布 GDPx 基准，测试 AI 智能体在 11 个领域完成专家任务的能力
GDPx 要求智能体自行查找工作区资料，而非由提示词直接提供背景。Anthropic 的 Claude Opus 5.5 平均得分为 12%，Google 的 Gemini 4 Carbon 为 10.9%；OpenAI 的 GPT-6 Astra 在 AI 研究和材料科学任务中领先。金融与法律任务中，所有模型在通过或失败的评分方式下均得 0 分。
另外 1 家也报道了
- Rohan Paul (@rohanpaul_ai)