一分钟看懂
- 最强模型只拿 12 分：SemiAnalysis 发布专治“刷榜做题家”的 GDPx 智能体基准（发布机构：SemiAnalysis（知名半导体与 AI 产业研究机构）；基准规模：覆盖 11 个高经济价值行业、共 206 项端到端真实工作流任务）。
- 11 大行业 206 项真实工作流：从芯片验证到财务建模，考核完整交付而非选择题（当前最高得分：现役最强前沿大模型通过率仅为 12%）。
- 企业落地 Agent 的冷静参照表：哪些长链条环节仍必须保留人工复核（核心考核形态：财务建模表、芯片验证脚本、法律合同修订等完整跨软件交付物）。
基本信息
| 发布机构 | SemiAnalysis（知名半导体与 AI 产业研究机构） |
|---|---|
| 基准规模 | 覆盖 11 个高经济价值行业、共 206 项端到端真实工作流任务 |
| 当前最高得分 | 现役最强前沿大模型通过率仅为 12% |
| 核心考核形态 | 财务建模表、芯片验证脚本、法律合同修订等完整跨软件交付物 |
| 分类 | AI 前沿 |
| 作者 / 发布方 | SemiAnalysis |
| 官方入口 | semianalysis.com ↗ |
| 热度 | 🔥 热度 67万 |
| 发布时间 | |
| 数据更新 |
最强模型只拿 12 分：SemiAnalysis 发布专治“刷榜做题家”的 GDPx 智能体基准
半导体与 AI 研究机构 SemiAnalysis 发布了全新的智能体评测基准《GDPx》，覆盖 11 个高经济价值领域的 206 项真实工作流任务；由于难度极高且拒绝刷榜套路，目前最顶尖的前沿大模型最高得分也仅有 12%。
11 大行业 206 项真实工作流：从芯片验证到财务建模，考核完整交付而非选择题
不同于早已被刷满分的做题家选择题，GDPx 直接考核智能体能否独立交付跨软件的完整工程与商业成果（如财务建模表、芯片验证脚本、多轮代码与文档核验），真实反映了 AI 距离替代复杂白领工作还有多大差距。
企业落地 Agent 的冷静参照表：哪些长链条环节仍必须保留人工复核
企业在规划 Agent 自动化改造时，可以先对照 GDPx 的 11 个行业细分得分表，在模型通过率仍低于 20% 的长链条环节保留人工复核节点。
常见问题
GDPx 基准主要考核什么任务？现役模型的得分如何？
发布机构为SemiAnalysis（知名半导体与 AI 产业研究机构），基准规模为覆盖 11 个高经济价值行业、共 206 项端到端真实工作流任务，当前最高得分为现役最强前沿大模型通过率仅为 12%。不同于早已被刷满分的做题家选择题，GDPx 直接考核智能体能否独立交付跨软件的完整工程与商业成果（如财务建模表、芯片验证脚本、多轮代码与文档核验），真实反映了 AI 距离替代复杂白领工作还有多大差距。
这项基准测试对企业落地智能体有什么参考意义？
核心考核形态为财务建模表、芯片验证脚本、法律合同修订等完整跨软件交付物。企业在规划 Agent 自动化改造时，可以先对照 GDPx 的 11 个行业细分得分表，在模型通过率仍低于 20% 的长链条环节保留人工复核节点。
