SemiAnalysis 发布 GDPx，AI 智能体得分均未超 12%

分析机构 SemiAnalysis 发布了名为 GDPx 的智能体基准，并公布首轮测试结果：没有一个 AI 智能体的得分超过 12%。这个基准不再用知识问答考模型，而是把智能体放进模拟的真实工作环境，任务最长持续八小时，包括操作 Siemens NX 这类专业软件、在数千份文件的数据室里检索，或对真实企业系统做攻击测试。 GDPx 覆盖芯片设计、生物、量化交易、网络安全和法律等 11 个领域，共 206 项任务。由于按严格标准没有任何模型能完整完成哪怕一项任务，SemiAnalysis 改为统计各任务中达标要求的比例作为得分。SemiAnalysis 称，计划每三到六个月更新一次这个基准。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。