新行业动态
新上榜
SemiAnalysis 发布 GDPx 基准，AI Agent 得分均未超 12%
2026/11/06 — 11/06 01:20·1 个来源（全部）·1 篇报道（全部）
核心速览 (Key Takeaways)
- SemiAnalysis 发布 GDPx 基准，用模拟知识工作场景测试 AI Agent，覆盖从芯片设计到量化交易的多个领域，结果显示没有任何模型得分超过 12%，Claude Opus 5.5 略微领先 Gemini 4 Carbon。
- 批评者指出各领域任务数量偏少、测试条件并不统一。
事件背景与详细解读
2026-11-06，The Decoder 报道称 SemiAnalysis 发布了新的 GDPx 基准，用模拟知识工作测试 AI Agent，覆盖从芯片设计到量化交易的多个领域。结果显示，没有一个模型的得分超过 12%，Claude Opus 5.5 略微领先于 Gemini 4 Carbon。报道同时提到，有批评者指出该基准每个领域的任务数量偏少，测试条件并不统一。这是目前仅有的一篇报道，基准发布方尚未就这些批评作出公开回应，此事目前停留在基准结果与争议被披露的阶段。
AI 综合 1 篇报道生成 · 更新于 3 小时前
24 小时热度热度指数 92 · 峰值 99 · 2 小时前
24 小时前现在
- 热度指数
- 92
- 全部来源
- 1
- 全部报道
- 1
- 首报
- 3 小时前
这件事的报道 点标题看原文
今天
SemiAnalysis 发布 GDPx 基准，用模拟知识工作测试 AI Agent，覆盖从芯片设计到量化交易的多个领域，结果没有一个模型得分超过 12%，Claude Opus 5.5 略微领先 Gemini 4 Carbon。有批评者指出，每个领域的任务数量偏少、测试条件并不统一。
看清 Agent 在真实工作里的能力上限
The DecoderAI 评分 57
同时在说的其他事
- 热度指数 840OpenAI 发布 Images 2.6，新增 GIF 与 SVG 输出15 个来源
- 热度指数 675OpenAI 披露 cyber 模型流水线自动修复近千处 Linux 内核提权漏洞11 个来源
- 热度指数 642发酵中腾讯混元 Hy4 新增电脑操作能力，Artificial Analysis 发文测评13 个来源
- 热度指数 633发酵中Claude Code 产品负责人 Cat Wu 加入 OpenAI9 个来源
- 热度指数 630新爆OpenAI 发布 GPT-6 Cyber 网络安全模型7 个来源
热度怎么算的？了解口径收起
热度按 48 小时内有多少个独立来源在说这件事算：同一个来源发多条只算一次，并按 24 小时半衰期衰减，所以排前面的是很多人在说的事。
本页汇总公开订阅源，标题与摘要由模型整理，版权归原作者所有；重要信息请回原文核对。如权利人认为相关标题或摘要侵权，请通过页尾联系邮箱提供具体页面与权利依据，我们核实后会及时删除或替换。
- 爆
- 讨论快速增加
- 新
- 首报 6 小时内
- 发酵中
- 讨论仍在增加