SemiAnalysis 联合 14 家伙伴发布 GDPx 基准
先了解这件事
SemiAnalysis 发布前沿模型能力基准 GDPx，覆盖芯片设计、网络安全、生物、金融、法律、量化交易、RSI、硬件设计、材料科学、对齐和软件工程 11 个领域，由 SemiAnalysis 与 14 家专业强化学习环境公司合作出题，目标是取代 OpenAI 一年前发布的 GDPval。 据 Rohan Paul 转述，首轮评测中 Anthropic 的 Claude Opus 5.5 以平均 12% 居首，Google 的 Gemini 4 Carbon 为 10.9%，OpenAI 的 GPT-6 Astra 在 AI 研究和材料科学任务上领先。小北称该基准共 206 个任务，最强模型仅得 12%。 SemiAnalysis 称，GDPx 任务默认限时 8 小时，部分任务更短；主分数取三次尝试的 pass@1；各领域等权，同一领域内多个合作方也等权。
AI 根据报道生成 · 20 分钟前更新
报道时间线
沿着报道，了解事件的不同侧面。
- 小北SemiAnalysis 发布 GDPx 基准：最强模型在最值钱领域只拿 12%
SemiAnalysis 发布 GDPx 基准，用 206 个任务衡量模型在芯片设计、网络安全、金融、法律、量化交易等高价值领域的智能体能力，最强模型仅得 12%。
- Rohan PaulSemiAnalysis 发布 GDPx 基准，Claude Opus 5.5 以 12% 居首
SemiAnalysis 发布 GDPx 基准，测试 AI 智能体在 11 个领域的专家级工作，任务来自 14 家专业数据合作方。榜首 Anthropic 的 Claude Opus 5.5 平均仅 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上领先。
- SemiAnalysis 长文 RSSSemiAnalysis 联合 14 家数据伙伴发布 GDPx 基准，测前沿模型在高价值领域的智能体能力
SemiAnalysis 发布 GDPx 基准，覆盖芯片设计、网络安全、生物、金融、法律、量化交易、RSI、硬件设计、材料科学、对齐和软件工程 11 个领域，与 14 家专业 RL 环境公司合作出题，旨在取代 OpenAI 一年前发布的 GDPval。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。