SemiAnalysis推出GDPx智能体评测，顶级AI模型复杂任务成功率仍不足12%

半导体与AI研究机构SemiAnalysis推出GDPx智能体基准测试，覆盖芯片设计、网络安全、生物学、金融、法律和软件工程等11个领域，共设置206项长周期任务。测试模拟真实工作环境，要求AI在长达8小时的任务周期内完成工作。Claude Opus 5.5以12%的成绩暂列第一，Gemini 4 Carbon和GPT-6 Astra分别为10.9%和9.6%。这说明AI虽然已经能完成大量日常工作，但距离独立承担复杂专业任务仍有明显差距。