SemiAnalysis 于 2026 年 11 月 2 日发布 GDPx。作者 Max Kan、Andrew Megalaa、Dylan Patel 把它定位为面向高价值领域的通用智能体基准，并强调即便最好的模型也只有 12%，说明评测仍处在前沿难度、尚未饱和。

官网写明 11 个领域、14 家合作方、206 道题。v1.0 排行榜上，Claude Opus 5.5 以 12.0% 第一，Gemini 4 Carbon 10.9%，GPT-6 Astra 9.6%。

关键事实

项目 内容
发布时间 2026 年 11 月 2 日（SemiAnalysis 通讯）
规模 11 领域、14 合作方、206 题
总分算法 三次尝试的 pass@1 取平均；各领域等权
前三名 Claude Opus 5.5 12.0%；Gemini 4 Carbon 10.9%；GPT-6 Astra 9.6%
其他上榜 Muse Wonder Full 9.0%；Claude Fable 5.1 8.5%；GPT 6.1 Sol 8.4%；最低如 GLM 5.3 2.7%
默认时限 每题 8 小时
运行环境 有原生 harness 则用原生（Claude Code、Codex、Antigravity），否则 OpenCode
  • 领域。 芯片设计、网络安全、生物、金融、法律、量化交易、递归自我改进（RSI）、硬件设计、材料科学、对齐、软件工程。作者刻意不按 GDP 份额或 SOC/O*NET 全行业铺开，并排除政府、房地产、保险等方向。
  • 合作方（文中点名）。 芯片 Aria / Arcverex / Ergodex；网络安全 Arithmetic；生物 Latch Bio；金融 Living Context；法律 Chakra；量化 Third Moment；RSI Extrapolate；硬件 Beautiful Machines；材料 ValenceForge 与 Emulated；对齐 Fleet；软件 Datacurve。
  • 分领域领先（作者表述）。 Opus 5.5 赢量化、硬件、芯片；Gemini 4 Carbon 在生物领先、软件工程略胜；GPT-6 Astra 赢 RSI 与材料。金融与法律在设定的二元评分下全体为 0，通讯改为报告平均部分分。
  • 安全分类器。 作者称 Opus 5.5 与 GPT-6 Astra 在网络、生物、对齐上因安全分类器触发而被压分；在他们结果里，Meta 的 Muse Wonder Full 是目前最好的可用网络安全模型之一。
  • 成本（Unite.AI / 官网）。 Unite.AI 引述 Opus 约每题 51.41 美元、Gemini 4 Carbon 约 16.29 美元、GPT-6 Astra 约 53.99 美元。官网成本曲线因无公开价格而未画出 Muse Wonder Full。

背景

SemiAnalysis 把 GDPx 写成对 OpenAI GDPval（2025 年 9 月 25 日）的接替批评：GDPval 任务缺少互动、把上下文直接塞进提示，黄金子集上人类专家评分一致率仅 71%。GDPx 每题配有更接近真实工作的环境；金融示例之一还原了私募收购约 62% 股权、标的作价约 8.8 亿美元加 earnout 的交易，约 4000 个匿名文件。

合作方须首次就通过 SemiAnalysis 自动质检，最多只允许小错。同一套质检据作者称会把 Terminal Bench 4.0 近一半题目标成有问题。GDPx 计划每 3–6 个月出新版本。

反响与影响

Unite.AI 11 月 2 日报道复述了 12.0% / 10.9% / 9.6% 排行与合作方名单。官网提供分领域对比，以及各合作方一道公开任务的 rollout。截至写稿时，我们核对的来源中尚未见主要实验室对 GDPx 的正式书面回应；一手材料仍是 SemiAnalysis 通讯与排行榜。

尚待确认

  • 各实验室后续发模型卡时，会把 GDPx 摆在什么位置、是否取代 GDPval 引用习惯
  • 各领域私有题数量与难度分布的完整公开细节
  • 安全分类器调整后的排名是否会成为官方备选榜
  • 第三方能否复现所报分数

来源