即便最强模型也只有12%——SemiAnalysis的GDPx所映照的智能体现状

以半导体与AI分析闻名的SemiAnalysis发布了新基准测试「GDPx」，用11个高附加值领域、206项任务衡量AI智能体的实务能力。即便位居首位的Claude Opus 5.5也仅止于12.0%，其巨大的提升空间正成为话题。

核心要点速览

以半导体与AI行业分析闻名的SemiAnalysis发布了衡量AI智能体实力的新基准测试「GDPx」。评测覆盖11个高附加值领域，共206项任务。其特点在于不考知识背诵，而是聚焦模型究竟能把实际业务推进到什么程度。

该公司将GDPx定位为「真正的前沿级基准测试」，并说明即便性能最高的模型，得分也只有12%。在现有测试日趋饱和之际，它以一把能把提升空间可视化的标尺登场。

出处[1]

从榜首的12.0%到第三名的9.6%，头部模型一律落在百分之十出头。这既说明智能体能力尚未站上实用的门口，同时首位与第三名之间有2.4个百分点的差距，名次本身并非没有意义。

低分基准测试起到的作用，是衡量模型此后还有多大成长空间。它被视作一面镜子，用来映照下一代的竞争轴，以替代已经饱和的现有测试。

出处[1]

消息在X上迅速扩散，浏览量约169万次，获赞3256、书签1354、转发310。相对点赞而言，书签比例偏高，说明有一批人打算事后重读，并把它用于自己的评估或资料。

「即便最强模型也只有12%」这句话，既可以被读成AI实力尚不成熟，也可以被读成仍有提升空间。围绕如何理解这一数字，解读存在分歧，讨论因此被拉长。

出处[1]

可在 X 上直接查看创作者发布的原帖与互动详情。