The Decoder· Manuel Uth·· 2 小时前AI 评分65
SemiAnalysis发布GDPx基准测试：AI智能体在真实工作场景中表现不佳
No AI agent scores above 12 percent on SemiAnalysis' new real-world work benchmark
AI 导读
SemiAnalysis发布了GDPx基准测试，将AI智能体置于模拟工作环境中测试，结果显示没有模型得分超过12%。Claude Opus 5.5以12%的成绩领先，Gemini 4 Carbon以10.9%的成绩位居第二但成本仅为前者的三分之一。测试涵盖芯片设计、生物学、量化交易等11个领域，共206项任务。
来源：The Decoder · the-decoder.com