SemiAnalysis 发布 GDPx 真实世界 AI 代理基准测试

1. 00:46
   The Decoder

   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%

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。