芯片与基础设施研究机构 SemiAnalysis 于 11 月 2 日推出了名为 GDPx 的新基准，试图用“经济价值”来衡量通用智能体能力：它覆盖芯片设计、网络安全、生物、法律、量化交易、材料、软件工程等 11 个领域，任务都取材于现实中有人付费完成的工作。

结果颇具警示意味：按该机构自己的评分，表现最好的 Anthropic Opus 5.5 总体也只完成了 12% 的任务，在量化交易、硬件设计和芯片设计上领先；谷歌的 Gemini 4 Carbon 约为 10.9%。这组数字并不意味着模型“不行”，而是说明离真正独立承担高价值工作还有很长距离。

同时也要对分数本身保持清醒：这是一家机构的任务集和评分标准，尚未经过独立复现，而该机构本身也向被评分的行业出售研究报告。把它当作一面镜子而非终审判决，才是更健康的读法。

消息来源

https://byobot.ai/ai-news/ai-daily-newsstand-november-3-2026