实体
GDPx
GDPx
PulseAugur coverage of GDPx — every cluster mentioning GDPx across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
时间线
- 2026-11-02 product_launch SemiAnalysis launched GDPx, a new agentic benchmark for evaluating AI models on professional tasks. 来源
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
SemiAnalysis 发布 GDPx 基准测试，揭示顶级 AI 代理得分偏低
SemiAnalysis 推出了新的 GDPx 基准测试，旨在评估 AI 代理在 11 个领域的实际专业任务表现，包括芯片设计和量化交易。该基准测试衡量模型在长时间内的表现，任务预算为 8 小时。Claude Opus 5.5 目前以 12% 的得分领跑 GDPx 排行榜，紧随其后的是 Gemini 4 Carbon 和 GPT-6 Astra，这凸显了当前前沿模型在复杂、长周期工作中仍有巨大的改进空间。该基准测试还揭示了成本效益，显…
-
新的 GDPx 基准测试前沿 AI 的长周期能力
名为 GDPx 的新基准已被引入，用于评估前沿 AI 模型 的长周期能力。作为 GDPval 的后继者，它旨在测试模型在需要扩展规划和执行的任务上的表现。早期结果表明，在这一具有挑战性的新基准上，表现最佳的模型准确率约为 12%。