SemiAnalysis 发布 GDPx：一项智能体基准测试，最佳模型得分为 12%

SemiAnalysis 发布了 GDPx，这是一项评估其认为最具价值领域中的智能体能力的基准测试，涵盖芯片设计、网络安全和生物学等领域。该公司称，即使是表现最好的模型也只得了 12%。一篇转述结果的帖子称，Claude Opus 5.5 以 12.0% 排名第一，即将推出的 Gemini 4 Carbon 得分为 10.9%；这是转述者对结果的解读，并非 SemiAnalysis 的原文。

• 领域选择： SemiAnalysis 认为，AI 的首个万亿美元收入将集中在能够以高回报部署前沿智能的行业，因此它不采用按 GDP 占比或职业分类体系加权的基准测试。它纳入了芯片设计、网络安全和生物学等领域，而没有纳入政府、房地产和保险等领域。
• 安全分类器： SemiAnalysis 称，Opus 5.5 和 GPT-6 Astra 的总分较低，是因为它们的安全分类器有时会在网络安全、生物学和对齐任务中触发。排除这三个领域后，排名会有所不同；该公司称，这一排名与其对这些模型的主观印象相符。它认为 Muse Wonder Full 是目前最好的网络安全模型，且优势显著。
• 构建方式： 每个领域均由至少一家专业数据合作伙伴参与构建，SemiAnalysis 负责最终质量检查和任务迭代。Fireworks 为开源模型提供推理服务，Modal 则提供沙箱基础设施。

截至 11 月 1 日，该公告帖在 X 上获得了 262 点互动；这些结果来自 SemiAnalysis 自身，未经独立验证。