SemiAnalysisの実務ベンチマーク「GDPx」、AIエージェントの最高スコアは12%止まり

SemiAnalysisは、AIエージェントを模擬的な業務環境に置く新ベンチマーク「GDPx」を公開し、いずれのモデルも12%を超えなかった。最高値はClaude Opus 5.5の12%で、Gemini 4 Carbonは10.9%ながらタスク当たり16.29ドルと、Opus 5.5の約3分の1の価格である。206タスク、11分野で構成され、安全フィルタの影響で順位も変わる。