SemiAnalysis lanza GDPx, un benchmark de capacidades agénticas en el que el mejor modelo obtiene un 12 %

SemiAnalysis ha lanzado GDPx, un benchmark de capacidades agénticas en los ámbitos que considera más valiosos, como el diseño de chips, la ciberseguridad y la biología. Afirma que incluso el mejor modelo obtiene apenas un 12 %. Una publicación que difunde los resultados sitúa a Claude Opus 5.5 en primer lugar, con un 12,0 %, y al próximo Gemini 4 Carbon con un 10,9 %; esa es la interpretación de quien difundió los resultados, no el texto de SemiAnalysis.

• Selección de ámbitos: SemiAnalysis sostiene que el primer billón de dólares de ingresos de la IA se concentrará en sectores capaces de desplegar inteligencia de frontera con un alto rendimiento, por lo que descarta los benchmarks ponderados según la proporción del PIB o las categorías ocupacionales. Incluye el diseño de chips, la ciberseguridad y la biología, en lugar de ámbitos como la administración pública, el sector inmobiliario y los seguros.
• Clasificadores de seguridad: SemiAnalysis afirma que Opus 5.5 y GPT-6 Astra obtienen puntuaciones generales más bajas porque sus clasificadores de seguridad se activan a veces en tareas de ciberseguridad, biología y alineación. Al excluir esos tres ámbitos, la clasificación cambia y, según la empresa, coincide con su impresión subjetiva de los modelos. Afirma que Muse Wonder Full es hoy el mejor modelo de ciberseguridad disponible, por un margen considerable.
• Cómo se creó: cada ámbito se desarrolló con al menos un socio especializado en datos; SemiAnalysis se encargó de las comprobaciones finales de calidad y de iterar las tareas. Fireworks proporcionó inferencia para los modelos de código abierto y Modal, la infraestructura de sandbox.

El hilo del anuncio tenía 262 puntos en X al 1 de noviembre, y los resultados son de SemiAnalysis; no se han verificado de forma independiente.