Новый бенчмарк GDPx: флагманские ИИ набирают не более 12%
Компания SemiAnalysis выпустила бенчмарк GDPx для тестирования мощнейших ИИ-моделей в агентных задачах востребованных коммерческих отраслей. Современные флагманские нейросети набирают в нём не более 12%, сообщает источник.
GDPx проверяет модели в 12 категориях: дизайн чипов, финансы, материаловедение, аппаратный дизайн, юриспруденция, кибербезопасность, выравнивание ИИ, программная инженерия, биология, рекурсивное самосовершенствование и трейдинг. Каждый тест разрабатывали вместе со специалистами в соответствующей области.
Лучший результат показала Claude Opus 5.5, следом идут Gemini 4 Carbon и GPT-6 Astra. В SemiAnalysis отметили: модели OpenAI и Anthropic в обобщённом тесте выступают хуже из-за строгих ограничений в кибербезопасности и биологии. Без этих категорий они заметно улучшают результат и уверенно обгоняют Gemini 4 Carbon.