最强的模型去干真正值钱的活，只拿了 12%。

SemiAnalysis 今天发了个新评测叫 GDPx，206 个任务，覆盖芯片设计、网络安全、金融、法律、量化交易这些最值钱的领域。Opus 5.5 排第一，12.0%；Gemini 4 Carbon 10.9%；GPT-6 Astra 9.6%。金融和法律那几类，几乎所有模型都是 0 分。

量化那部分12 次运行里有 10 次赚得比参考模型多，但只有 2 次拿到 0.5 分以上，不少是靠多扛风险，或者在验证集上调过头换来的。

模型分数越来越接近之后，怎么选模型？很少能看到像 GDPx 这样把每个任务的成本排在一起的 有点意思。