Ни один ИИ-агент не превысил 12% в тесте GDPx
SemiAnalysis представила GDPx — тест, в котором ИИ-агенты работают в имитируемой профессиональной среде, а не отвечают на вопросы о знаниях. Оценка включает 206 заданий в 11 областях, включая разработку чипов, биологию, количественную торговлю, кибербезопасность и право. Агентам разрешают работать до восьми часов с такими инструментами, как Siemens NX, крупные хранилища документов и имитируемые корпоративные системы. Администрирование и страхование в тест не вошли.