GDPx: لا وكيل ذكاء اصطناعي يتجاوز 12% في مهام عمل واقعية
أطلقت SemiAnalysis معيار GDPx لتقييم وكلاء الذكاء الاصطناعي عبر 206 مهام في 11 مجالاً وباستخدام برمجيات مهنية وبيئات عمل تحاكي الواقع لساعات. تصدّر Claude Opus 5.5 بنسبة 12%، يليه Gemini 4 Carbon بـ10.9% وGPT-6 Astra بـ9.6%.
أطلقت SemiAnalysis معيار GDPx لتقييم وكلاء الذكاء الاصطناعي عبر 206 مهام في 11 مجالاً وباستخدام برمجيات مهنية وبيئات عمل تحاكي الواقع لساعات. تصدّر Claude Opus 5.5 بنسبة 12%، يليه Gemini 4 Carbon بـ10.9% وGPT-6 Astra بـ9.6%.
تكشف النتائج محدودية الوكلاء في مهام مثل الأمن السيبراني والتداول الكمي والقانون، لكنها تواجه انتقادات بسبب مرشحات السلامة وسرية معظم الاختبارات واختلاف أدوات الوكلاء بين المزودين. وتقول SemiAnalysis إنها ستحدّث المعيار كل ثلاثة إلى ستة أشهر.
No AI agent scores above 12 percent on SemiAnalysis' new real-world work benchmark · تاريخ النشر في المصدر: