SemiAnalysis 发布 GDPx 基准，Claude Opus 5.5 平均仅得 12%

SemiAnalysis 发布 GDPx 基准，测试 AI 智能体在 11 个领域的专家级工作，任务来自 14 家专业数据合作方。榜首 Anthropic 的 Claude Opus 5.5 平均得分只有 12%，Google 的 Gemini 4 Carbon 以 10.9% 居次。与 OpenAI 的 GDPval 直接在提示词中给出上下文不同，GDPx 要求智能体自行翻查工作区，包括一个 3,983 个文件的真实收购案复刻。剔除网络安全、生物和对齐三类任务后，GPT-6 Astra 的得分从 9.6% 升至 11.8%，超过 Opus。金融和法律任务在通过/不通过评分下所有模型都得 0 分。