Today for AI
返回热点榜
agent热度 11.8°

AI 聚合热点事件 · 2026/11/6

SemiAnalysis 发布 GDPx 基准，最强 AI 智能体真实工作任务得分仅 12%

1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/11/6 00:46:24
全景综述与最新动态
1 家信源交叉印证

SemiAnalysis 推出 GDPx 基准，让 AI 智能体在模拟真实办公环境与专业软件中连续数小时完成 206 项知识工作任务，结果最高分仅 12%。Claude Opus 5.5 以 12% 领先，Gemini 4 Carbon 与 GPT-6 Astra 分别为 10.9% 和 9.6%。批评者指出安全过滤、任务保密及各厂商自带的智能体工具差异会扭曲结果，子领域任务量偏少也导致分数波动。

最新动向/SemiAnalysis 推出 GDPx 基准，让 AI 智能体在模拟真实办公环境与专业软件中连续数小时完成 206 项知识工作任务，结果最高分仅 12%。Claude Opus 5.5 以 12% 领先，Gemini 4 Carbon 与 GPT-6 Astra 分别为 10.9% 和 9.6%。批评者指出安全过滤、任务保密及各厂商自带的智能体工具差异会扭曲结果，子领域任务量偏少也导致分数波动。

逐小时热度走势

2 个完整观测小时
连续完整观测不足 3 个小时，暂不绘制趋势曲线。

报道时间线

共 1 篇 · 最新优先
  1. The DecoderT2·78 分

    SemiAnalysis 发布 GDPx 基准，最强 AI 智能体真实工作任务得分仅 12%

    原标题：No AI agent scores above 12 percent on SemiAnalysis' new real-world work benchmark

    • GDPx 用 206 项任务在模拟办公环境与专业软件中测试智能体，单次运行持续数小时，而非知识问答。
    • 最高分仅 12%，说明当前智能体在长程真实工作流上仍远未可靠。
    • 各模型在自家智能体框架内运行、任务保密与安全过滤等因素，使横向比较存在争议。