SemiAnalysis 发布真实工作基准：无 AI agent 得分超过 12%
据 The Decoder 报道，SemiAnalysis 推出名为 GDPx 的基准，用模拟知识工作测试 AI agent，覆盖从芯片设计到量化交易等领域。报道称没有模型得分突破 12%，Claude Opus 5.5 以微弱优势领先 Gemini 4 Carbon；批评者指出每个领域的任务数量偏少、测试条件不均衡。
为什么值得看：该基准提供了 AI agent 在复杂知识工作中的量化能力参照，企业负责人可据此校准对自动化替代范围的预期，在芯片设计、量化交易等高门槛场景中谨慎推进试点；但需注意任务样本少、测试条件不统一等限制，结果不能直接等同于企业实际部署效果。