SemiAnalysis· Max Kan·· 2 天前AI 评分63
SemiAnalysis 发布 GDPx 基准，测量前沿模型在高价值领域的智能体能力
GDPx: Measuring Frontier Model Capabilities Across the Most Valuable Domains
AI 导读
SemiAnalysis 与 14 家专注 RL 环境的伙伴合作推出 GDPx 基准，覆盖芯片设计、网络安全、生物、金融、法律、量化交易、RSI、硬件设计、材料科学、对齐和软件工程 11 个领域，旨在测量前沿模型的通用智能体能力。最好的模型总分仅 12%；剔除因安全分类器影响的网络、生物和对齐三域后，Opus 5.5 和 GPT-6 Astra 居前，Gemini 4 Carbon 接近两者。
AI 生成摘要 · 以原文为准
来源：SemiAnalysis · newsletter.semianalysis.com