GDPx 基準評估前沿模型智能體能力

2026年11月2日，SemiAnalysis 發佈 GDPx 基準，旨在評估前沿模型於 11 個高價值領域的通用智能體能力。基準由 14 家專業資料合作方協作建構，任務環境設計為貼近實際工作。評分時，各領域採等權計算；結果以三次嘗試的 pass@1 呈現。報道指出，得分最高的模型取得 12%。這篇報道亦交代 GDPx 的評估對象、領域範圍、合作建構方式及計分安排；目前披露的主要結果是最佳模型得分 12%。

AI 根據報道生成 · 2 小時前更新

還沒有足夠的連續觀測數據，暫不繪製趨勢。