The Decoder· Manuel Uth·· 3 天前AI 评分60
SemiAnalysis 发布 GDPx 基准，AI 智能体在真实工作任务测试中最高仅得 12%
No AI agent scores above 12 percent on SemiAnalysis' new real-world work benchmark
AI 导读
SemiAnalysis 发布 GDPx 基准，让 AI 智能体在模拟工作环境中执行 206 项跨十一个领域的真实任务，最长持续八小时，没有模型得分超过 12%，Claude Opus 5.5 以 12% 居首。
来源：The Decoder · the-decoder.com