SemiAnalysis 发 GDPx：11 域 206 任务的前沿智能体基准，Claude Opus 5.5 领先 12%

SemiAnalysis 11 月 2 日发布 GDPx，一个面向前沿智能体能力的基准：11 个领域、206 个任务、14 家专用数据合作方，排行榜首批 13 个模型。Claude Opus 5.5 以 12.0% 领先，Gemini 4 Carbon 10.9%、GPT-6 Astra 9.6%、Meta Muse Wonder Full 9.0%、Z.ai GLM 5.3 2.7%。SemiAnalysis 把它定义为「真前沿级」基准——恰恰因为最好成绩也只有 12%。

GDPx 的设计取向与 GDPval 不同：不按 GDP 占比或职业分类铺任务，而是选 frontier intelligence 最可能先产生高 ROI 的 11 域（芯片设计、网络安全、生物、金融、法律、量化交易、RSI、硬件设计、材料科学、对齐、软件工程），刻意放弃政府、房地产、保险等。每个模型的 headline 分数是 pass@1 三次尝试的平均、等权各域、按任务原定的二元/连续评分。SemiAnalysis 称 Terminal Bench 4.0 约一半任务有缺陷，并计划每 3–6 个月发布新版本。

原文链接：SemiAnalysis 官方 newsletter