GDPx新基准发布最强模型仅得12%

SemiAnalysis 发了个新基准 GDPx，最强模型只拿 12%。 GDPx 测的是智能体在最有商业价值的那些领域里能不能真干活，跟跑分刷榜的思路不太一样。它号称前沿级门槛：即便现在最强的模型，也只过了七分之一，得分 12%。 这数字让我意外。一边是各家模型天天晒榜单高分，一边是新基准一出来全体不及格，落差大到不像在测同一件事。我猜区别在于 GDPx 把任务拆成了真正要动手的环节，光会说对答案不算过。 我有点好奇它以后会不会变成新的参照系，毕竟 SemiAnalysis 在算力圈子里的话语权不轻。万一被广泛采信，现在那些榜单的含金量可能要重新掂。 七分之一这个比例也说明，智能体从"能演示"到"能交付"中间还差着一截，这截距离才是接下来一两年真正要爬的。