Ningún agente de IA supera el 12 por ciento en el nuevo benchmark de trabajo real de SemiAnalysis

Agentes y desarrollo✍ TextoPublicado: Fuente: The Decoder

#Anthropic #Google

En breve

En el nuevo benchmark GDPx lanzado por SemiAnalysis, los agentes de IA que realizan tareas como el diseño de chips y el trading cuantitativo obtuvieron puntuaciones inferiores al 12 por ciento.

SemiAnalysis ha presentado un nuevo benchmark llamado GDPx, que somete a los agentes de IA a trabajos de conocimiento simulados que abarcan desde el diseño de chips hasta el trading cuantitativo. En este benchmark, ningún modelo superó la marca del 12 por ciento.

Claude Opus 5.5 lideró por un estrecho margen sobre Gemini 4 Carbon. Sin embargo, los críticos han señalado el pequeño número de tareas por dominio y las condiciones de prueba desiguales.

Esta noticia es un resumen. La versión completa y verificable está en la fuente original:

Leer el original en The Decoder ↗