AI 前沿
GDPx用206项专业任务评测前沿Agent:最佳模型首试通过率仅12%
SemiAnalysis发布GDPx评测,以206项、11个专业领域的真实工作任务测试前沿Agent,并采用三次尝试平均的pass@1作为主指标。Claude Opus 5.5以12.0%居首,Gemini 4 Carbon与GPT-6 Astra随后;榜单同时暴露高成本、安全拒答和任务未完全公开等可复现性边界。
阅读本期头条08:10早 · 每天这个点更新
后量子算法、迁移与协议,标准、网络安全、AI 与 NGCC 公钥征集。每条都回到原始来源核实并标明日期;周五另有一份七天周报。

AI 前沿
SemiAnalysis发布GDPx评测,以206项、11个专业领域的真实工作任务测试前沿Agent,并采用三次尝试平均的pass@1作为主指标。Claude Opus 5.5以12.0%居首,Gemini 4 Carbon与GPT-6 Astra随后;榜单同时暴露高成本、安全拒答和任务未完全公开等可复现性边界。
阅读本期头条2026年11月
| 一 | 二 | 三 | 四 | 五 | 六 | 日 |
|---|---|---|---|---|---|---|
2 条 · AI 前沿 · 一天一页
P2·重要 AI 前沿
SemiAnalysis发布GDPx评测,以206项、11个专业领域的真实工作任务测试前沿Agent,并采用三次尝试平均的pass@1作为主指标。Claude Opus 5.5以12.0%居首,Gemini 4 Carbon与GPT-6 Astra随后;榜单同时暴露高成本、安全拒答和任务未完全公开等可复现性边界。
阅读解读美团正式发布LongCat-2.5 API,这是一款总参数1.6万亿、每个token约激活480亿参数的原生多模态长程Agent模型。官方称训练完全使用国产加速器,并披露百万token训练、W4A4推理和多项Agent基准结果;这些性能与能力数字目前主要来自厂商自测,尚不能替代独立复现。
P2·重要 美团