Không AI agent nào đạt trên 12% trên bảng chuẩn thực tế mới của SemiAnalysis

SemiAnalysis đưa AI agent vào bài kiểm tra công việc tri thức mô phỏng qua benchmark GDPx mới, bao phủ từ thiết kế chip đến giao dịch số liệu. Không model nào vượt quá 12%. Claude Opus 5.5 dẫn đầu nhỏ hơn Gemini 4 Carbon. Các nhà phê bình chỉ ra số lượng tác vụ nhỏ trên mỗi lĩnh vực và điều kiện kiểm tra không đồng đều.