新行業動態
新上榜
SemiAnalysis 釋出 GDPx 基準，AI Agent 得分均未超 12%
2026/11/06 — 11/06 01:20·1 個來源（全部）·1 篇報道（全部）
核心速覽 (Key Takeaways)
- SemiAnalysis 釋出 GDPx 基準，用模擬知識工作場景測試 AI Agent，覆蓋從晶片設計到量化交易的多個領域，結果顯示沒有任何模型得分超過 12%，Claude Opus 5.5 略微領先 Gemini 4 Carbon。
- 批評者指出各領域任務數量偏少、測試條件並不統一。
事件背景與詳細解讀
2026-11-06，The Decoder 報道稱 SemiAnalysis 釋出了新的 GDPx 基準，用模擬知識工作測試 AI Agent，覆蓋從晶片設計到量化交易的多個領域。結果顯示，沒有一個模型的得分超過 12%，Claude Opus 5.5 略微領先於 Gemini 4 Carbon。報道同時提到，有批評者指出該基準每個領域的任務數量偏少，測試條件並不統一。這是目前僅有的一篇報道，基準釋出方尚未就這些批評作出公開回應，此事目前停留在基準結果與爭議被披露的階段。
AI 綜合 1 篇報道生成 · 更新於 3 小時前
24 小時熱度熱度指數 92 · 峰值 99 · 2 小時前
24 小時前現在
- 熱度指數
- 92
- 全部來源
- 1
- 全部報道
- 1
- 首報
- 3 小時前
這件事的報道 點標題看原文
今天
SemiAnalysis 釋出 GDPx 基準，用模擬知識工作測試 AI Agent，覆蓋從晶片設計到量化交易的多個領域，結果沒有一個模型得分超過 12%，Claude Opus 5.5 略微領先 Gemini 4 Carbon。有批評者指出，每個領域的任務數量偏少、測試條件並不統一。
看清 Agent 在真實工作裡的能力上限
The DecoderAI 評分 57
同時在說的其他事
- 熱度指數 840OpenAI 釋出 Images 2.6，新增 GIF 與 SVG 輸出15 個來源
- 熱度指數 675OpenAI 披露 cyber 模型流水線自動修復近千處 Linux 核心提權漏洞11 個來源
- 熱度指數 642發酵中騰訊混元 Hy4 新增電腦操作能力，Artificial Analysis 發文測評13 個來源
- 熱度指數 633發酵中Claude Code 產品負責人 Cat Wu 加入 OpenAI9 個來源
- 熱度指數 630新爆OpenAI 釋出 GPT-6 Cyber 網路安全模型7 個來源
熱度怎麼算的？瞭解口徑收起
熱度按 48 小時內有多少個獨立來源在說這件事算：同一個來源發多條只算一次，並按 24 小時半衰期衰減，所以排前面的是很多人在說的事。
本頁彙總公開訂閱源，標題與摘要由模型整理，版權歸原作者所有；重要資訊請回原文核對。如權利人認為相關標題或摘要侵權，請通過頁尾聯絡郵箱提供具體頁面與權利依據，我們核實後會及時刪除或替換。
- 爆
- 討論快速增加
- 新
- 首報 6 小時內
- 發酵中
- 討論仍在增加