Chinese contentSemiAnalysis 发布 GDPx 基准，Claude Opus 5.5 平均仅得 12%
SemiAnalysis 搞了个 GDPx 基准，让智能体真去翻几千个文件干活，结果最强的 Claude Opus 5.5 也才拿 12 分，金融法律题全军覆没。
#GDPx
2 stories · 2 in 7 days · 2 in 30 days
Stories, products and papers tagged "GDPx", newest first.
Nov 3
Chinese contentGDPx 基准测试：Claude Opus 5.5 智能体得分 12%，Gemini 4 性价比更高
GDPx 这个基准挺有意思，用 206 个真实经济任务测智能体。Opus 5.5 分最高，但 Gemini 4 便宜 4 倍只低 1.1%，选型可以参考。
