The Decoder· Manuel Uth·· 5 小时前AI 评分59
SemiAnalysis 发布 GDPx 基准测试：AI 代理在模拟实际工作中得分均未超 12%
No AI agent scores above 12 percent on SemiAnalysis' new real-world work benchmark
AI 导读
分析机构 SemiAnalysis 发布了 GDPx 基准测试，将 AI 代理置于长达数小时的模拟专业工作环境中，结果显示没有模型的综合得分超过 12%。其中 Claude Opus 5.5 以 12% 的得分位居榜首，Gemini 4 Carbon 紧随其后且成本较低，而安全性过滤机制和部分封闭测试的方法也引发了外界的讨论。
来源：The Decoder · the-decoder.com