一句话看懂：SemiAnalysis 推出面向智能体能力的 GDPx 基准，覆盖芯片设计、网络安全、RSI 等 11 个领域；在已公布结果中，Opus 5.5 以 12% 的得分居首，显示当前智能体在专业任务上的能力仍处早期阶段。
事件核心：发生了什么
据 Techmeme 收录的信息，SemiAnalysis 于 2026 年 11 月发布 GDPx，这是一套衡量 AI 智能体（agentic）能力的评测基准，评测范围覆盖 11 个领域，其中包括芯片设计、网络安全以及 RSI（递归自我改进）。在公开的评测结果中，Opus 5.5 以 12% 的得分位列第一。目前公开信息仅显示最高分与领域数量，单个领域的具体得分、任务数量与评测方法细节尚需查阅 SemiAnalysis 官方说明。
为什么重要
现有大模型评测多集中在问答、代码和数学题，难以反映智能体在真实专业工作流中的表现。GDPx 把芯片设计、网络安全这类高门槛任务纳入评测，更接近企业采购智能体时关心的场景。12% 的榜首分数也提供了一个可量化参照：当前智能体在复杂专业任务上的完成度仍有限，距离稳定替代人类专家还有明显距离。对闭源与开源模型而言，这类基准可能成为新的能力对照坐标，也会影响算力投入和训练方向的讨论。
对用户/开发者/创作者的影响
开发者可以关注 GDPx 是否公开任务集与评分脚本，以及是否提供 API 形式的自动化接入；若任务及评分标准可复现，团队可将其作为选型参考，而不是只看通用榜单。企业用户评估智能体方案时，可优先检查目标领域在 GDPx 中的表现，而非依赖单一总分。内容创作者则需注意，12% 是特定基准和评测条件下的结果，不宜直接外推为模型在真实工作场景中的能力上限。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 SemiAnalysis 是否公开完整评测方法、任务数量和分领域榜单；二是其他主流模型是否跟进参与评测并公布结果；三是 GDPx 能否被企业采购和开发者社区实际采用，形成持续更新的基准生态。
来源：Techmeme
