SemiAnalysis发布GDPx：最强模型也只做对12%

发生了什么

这份基准定位为 OpenAI 2025 年 9 月发布的 GDPval 的后继者，由 14 家专业数据伙伴参与构建，覆盖 11 个专业领域、206 项任务。榜单首版中，Anthropic 的 Claude Opus 5.5 以 12.0% 居首，谷歌 Gemini 4 Carbon 10.9% 第二，OpenAI GPT-6 Astra 9.6% 第三，发布方为研究机构 SemiAnalysis，发布日期为 11 月 2 日。

与问答式评测不同，GDPx 要求模型在模拟工作环境中实际完成交付：每项任务默认时限 8 小时，评分以通过与否为主，不接受只做到九成却未交付成果的答案。 headline 分数取每项任务 3 次尝试中首次通过率的平均值，11 个领域权重相等。

分领域看，Opus 5.5 在量化交易、硬件设计与芯片设计居首，Gemini 4 Carbon 在生物领域与软件工程领先，GPT-6 Astra 在RSI与材料科学领先；金融与法律任务在二元评分下几乎所有模型均为零分。SemiAnalysis 同时指出，Opus 5.5 与 GPT-6 Astra 的总分受到安全分类器在网络安全、生物与对齐任务中拒答的影响。

关键事实

1. 发布方与版本：SemiAnalysis，2026 年 11 月 2 日，GDPx v1.0，作者 Max Kan、Andrew Megalaa 与 Dylan Patel
2. 规模：206 项任务，11 个领域，14 家专业数据伙伴；领域包括芯片设计、网络安全、生物、金融、法律、量化交易、RSI、硬件设计、材料科学、对齐与软件工程
3. 评分方式：每项任务默认 8 小时，headline 分数为 3 次尝试的首次通过率平均值，11 个领域权重相等
4. 榜单前三：Claude Opus 5.5 12.0%（单任务均价 51.41 美元）、Gemini 4 Carbon 10.9%（16.29 美元）、GPT-6 Astra 9.6%（53.99 美元）
5. 其后名次：Meta Muse Wonder Full 9.0%、Claude Fable 5.1 8.5%、GPT-6.1 Sol 8.4%、Claude Sonnet 5.5 8.2%、Gemini 4 Argon 7.3%
6. 运行方式：各模型使用原生智能体框架，Claude Code 对应 Opus 5.5、Codex 对应 GPT-6 Astra、Antigravity 对应 Gemini 4 Carbon，其余模型以 OpenCode 兜底
7. 更新计划：SemiAnalysis 称 GDPx 为持续更新的基准，新版本每 3 至 6 个月发布一次