SemiAnalysis用206项专业任务测试AI：Opus 5.5夺冠也仅得12分
2026-11-02
2 次阅读
RSS订阅
- SemiAnalysis联合14家数据公司推出GDPx基准测试，包含206个专业任务评估AI代理表现
- 测试覆盖芯片设计、金融等11个领域
- Claude Opus 5.5以12/100的得分领先所有模型
- 所有测试模型在金融和法律领域得分均为零
- 顶级AI在专业领域仍存在巨大性能瓶颈
SemiAnalysis 和 14 家数据公司推出了 GDPx，这是一个包含 206 个任务的基准测试，评估顶级 AI 代理在芯片设计和金融等 11 个领域的表现。Claude Opus 5.5 以 12/100 领先；所有模型在金融和法律领域的得分均为零。
📰 来源：https://www.okx.com/zh-hans/feed/post/91673709387968
💬 引用锚点
当前AI代理在专业领域的能力仍非常有限，即使领先模型Claude Opus 5.5在206项任务中也仅获得12分。
金融和法律等高度专业化领域，现有AI模型表现完全不及格，得分均为零。
GDPx基准测试通过206项专业任务覆盖11个领域，揭示了AI代理在实际应用场景中的能力瓶颈。
💡 一句话定义：
GDPx基准测试通过206项专业任务评估AI代理在芯片设计、金融等领域的实际能力。
📈 核心数据：
- SemiAnalysis联合14家数据公司推出GDPx基准测试，涵盖11个领域。
- Claude Opus 5.5以12分领跑，金融和法律领域所有模型得零分。
常见问题
什么是GDPx基准测试？▼
GDPx是由SemiAnalysis和14家数据公司联合推出的AI代理基准测试，包含206个任务，评估顶级AI在芯片设计、金融、法律等11个专业领域的表现。
哪个AI模型在测试中表现最好？▼
Claude Opus 5.5以12/100的得分领先，但仍仅获得12分，说明当前AI在专业任务领域仍有较大提升空间。
为什么所有模型在金融和法律领域都得零分？▼
测试结果显示所有模型在金融和法律领域的得分均为零，表明AI在这些需要高度专业知识的垂直领域中能力仍非常有限。
这项测试涵盖哪些专业领域？▼
GDPx测试涵盖11个领域，包括芯片设计、金融、法律等，通过206项专业任务全面评估AI代理的综合能力。
测试结果说明了什么？▼
测试表明，即使是最先进的AI模型，在专业性极强的任务和垂直领域中，其表现仍然非常有限，距离实际应用还有很大差距。
💬 评论 (0)
发表评论