📊 SemiAnalysis представила бенчмарк GDPx: лучшая модель набрала 12% 2 ноября SemiAnalysis опубликовала GDPx — бенчмарк для ИИ-агентов в 11 областях: от проектирования чипов и кибербезопасности до биологии, права и квантового трейдинга. В первой версии 206 задач и 13 моделей. Лучшей оказалась Claude Opus 5.5 с результатом 12,0%, за ней идут Gemini 4 Carbon (10,9%) и GPT-6 Astra (9,6%). Результаты по областям сильно различаются: Opus 5.5 лидирует в проектировании чипов и квантовом трейдинге, Gemini 4 Carbon в биологии. В финансах и праве все модели получили 0%. В SemiAnalysis отмечают, что защитные классификаторы занижают итоговые баллы Opus 5.5 и GPT-6 Astra: в кибербезопасности и биологии модели отказываются выполнять часть задач. Если исключить эти области, GPT-6 Astra опережает Opus 5.5 на 0,1 п. п. 💙 АНО РТИИ в MAX