SemiAnalysis 推出 GDPx 智能体能力基准：覆盖芯片设计、网络安全与RSI，Opus 5.5 以12%得分居首
talkingdev • 2026-11-02
2695 views
SemiAnalysis 正式发布名为 GDPx 的智能体能力基准，旨在系统衡量前沿模型在真实、高复杂度任务中的智能体表现。该基准覆盖 11 个专业领域，包括芯片设计、网络安全、RSI、硬件设计、生物、金融、法律、量化交易、软件工程、材料科学和模型对齐。从范围看，GDPx 不只是评测对话或简单推理，而是把模型置于跨学科、长周期、需要规划与工具使用的任务环境中。当前排名中，Opus 5.5 以仅 12% 的得分位列第一，这一结果既反映出其在部分任务上的相对领先，也揭示前沿模型在面对复杂智能体工作流时仍有巨大提升空间。对行业而言，此类基准有助于从“能聊天”“能答题”转向衡量模型是否具备可部署、可执行的专业智能体能力。
核心要点
- SemiAnalysis 发布 GDPx，一个面向智能体能力的综合基准，覆盖 11 个专业领域。
- 测试范围包括芯片设计、网络安全、RSI、量化交易、材料科学和模型对齐等前沿方向。
- Opus 5.5 以 12% 的得分位居榜首，显示当前前沿模型在复杂智能体任务中仍处于早期阶段。