实体 OpenAI GDPval

OpenAI GDPval

PulseAugur coverage of OpenAI GDPval — every cluster mentioning OpenAI GDPval across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

0

90 天内 0

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_336801 · Nov 2 · 10:31

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…