The Decoder· Manuel Uth·· 9 小时前AI 评分70
SemiAnalysis 发布 GDPx 基准测试：AI 智能体得分不足 12%
No AI agent scores above 12 percent on SemiAnalysis' new real-world work benchmark
AI 导读
SemiAnalysis 发布 GDPx 基准测试，将 AI 智能体置于模拟知识工作环境中进行考核，最高分 Claude Opus 5.5 仅得 12%。测试涵盖芯片设计、网络安全等 11 个领域，结果显示多数模型在金融和法律任务中表现不佳，且存在严重的安全对齐问题。
来源：The Decoder · the-decoder.com