Bo bai kiem tra GDPx gom 206 tac vu thuoc 11 linh vuc nhu tai chinh, phap ly, an ninh mang va ky thuat phan mem.
Mo hinh Claude Opus 5.5 dan dau ve ty le hoan thanh nhung chi dat 12% so tac vu, trong khi Gemini 4 Carbon dat 10,9%.
Hai linh vuc tai chinh va phap ly la kho nhat khi hau nhu cac mo hinh deu gap loi hoac khong hoan thanh yeu cau.
Gemini 4 Carbon cua Google dat hieu suat tuong duong doi thu voi chi phi thap hon nhieu so voi Claude va GPT.
SemiAnalysis se cap nhat bo tac vu nay dinh ky tu 3 den 6 thang mot lan.
Ngày 2/11, tổ chức nghiên cứu SemiAnalysis công bố GDPx, bộ bài kiểm tra chuẩn (benchmark) dành cho các AI có thể tự làm việc nhiều bước, hay còn gọi là AI agent. Mô hình xếp đầu là Claude Opus 5.5 của Anthropic, nhưng chỉ làm đúng 12% số tác vụ. Gemini 4 Carbon của Google đạt 10,9%, GPT-6 Astra của OpenAI đạt 9,6%.
[Ảnh: Bảng xếp hạng GDPx phiên bản 1.0 với Claude Opus 5.5, Gemini 4 Carbon và GPT-6 Astra dẫn đầu]
