SemiAnalysis 发布 GDPx 智能体基准，最高仅 12%

事件综述根据 2 篇报道整理，11月6日更新

SemiAnalysis 发布 GDPx 基准，把 AI 智能体放进模拟工作环境执行任务，而非考查知识问答。206 项任务覆盖芯片设计、生物、量化交易、网络安全、法律等 11 个领域，智能体需操作 Siemens NX 等专业软件、检索含数千个文件的数据室或攻击企业系统；据其公布结果，最高分模型仅得 12%。 计分上，默认单任务时限 8 小时（部分更短），主分数按三次尝试的 pass@1 计算，各领域等权。法律、硬件设计等部分领域由语言模型依评分标准判分，而非人类专家；每个合作方通常只公开一道示例任务。SemiAnalysis 称计划每三到六个月更新基准。

综述由模型根据报道生成，细节以各篇原文为准。