SemiAnalysis 在 2026 年 11 月 2 日发布了 GDPx。这是一个新的基准测试，用来衡量超级智能智能体在真正的专家工作上能走多远，而不只是回答问题。作者是 Max Kan、Andrew Megalaa 和 Dylan Patel。第一版包含 206 项任务，覆盖 11 个领域，由 14 家专业数据公司合作完成。
第一批结果一出来就成了话题，因为所有模型的分数都很低。Anthropic 的 Claude Opus 5.5 以 12.0% 排第一。谷歌的 Gemini 4 Carbon 以 10.9% 排第二，OpenAI 的 GPT-6 Astra 以 9.6% 排第三。Meta 的 Muse Wonder Full 以 9.0% 排第四，而 Z.ai 的 GLM 5.3 在 13 个受测模型中垫底，只有 2.7%。
排行榜上还写着成本，这个对比值得看一眼。每项 GDPx 任务，Opus 5.5 平均花 51.41 美元，GPT-6 Astra 花 53.99 美元，而 Gemini 4 Carbon 只花 16.29 美元。Gemini 只比第一名低 1.1 分，成本却只有大约三分之一。对每天都要跑模型的团队来说，成本数字和分数同样重要。
任务考的不是答得快
GDPx 是故意做得很难的。每项任务限时八小时，放在接近真实的工作场景里，而不是给一句整理好的提示。模型在各自的原生工具里运行：Opus 用 Claude Code，OpenAI 的模型用 Codex，Gemini 用 Antigravity，没有原生工具的用 OpenCode 兜底。总分是三次尝试的 pass@1，11 个领域权重相等，评分按每项任务本来的方式来，或者过关，或者给部分分。
11 个领域是芯片设计、硬件设计、网络安全、生物、金融、法律、量化交易、递归自我改进、材料科学、对齐和软件工程。SemiAnalysis 说，选这些领域，是因为前沿模型最可能在这里创造经济价值，而不是按它们占 GDP 的份额。政府、房地产和保险被有意排除了。
每个模型赢在哪里
没有一个模型能包揽全部。Opus 5.5 赢了量化交易、硬件设计和芯片设计。Gemini 4 Carbon 在生物领域领先，在软件工程上小胜。GPT-6 Astra 领先递归自我改进和材料科学。SemiAnalysis 还说，Muse Wonder Full 是目前最好的网络安全模型，而且优势明显。
有两个领域是所有模型的天花板，也是地板。在过关制的评分下，金融和法律几乎所有模型都是零分，所以 SemiAnalysis 对金融改用部分分。这不是一个小的技术细节。它意味着，那些要求完全准确、出了问题要有人负责的工作，比如把一份法律文件改到能用的程度，今天的智能体还差得很远。
两个提醒，会改变你对排行榜的看法
第一个提醒关于安全过滤。SemiAnalysis 自己说，Opus 5.5 和 GPT-6 Astra 的分数被各自的安全分类器拉低了，在网络安全、生物和对齐领域，模型有时会直接拒绝任务。把这三个领域去掉，排行榜就变了：GPT-6 Astra 以 0.1 分微弱超过 Opus 5.5，Gemini 4 Carbon 掉到第五。所以排在最前面的是谁，取决于算哪些领域。
第二个提醒关于谁在测量。这些是 SemiAnalysis 自己的分数，还没有经过独立复测。GDPx 本身也是一个付费产品，作者当然希望它成为行业标准。这不等于数字错了，但诚实的读法要把来源说清楚：这是一家有信誉的研究机构的说法，而不是第三方测试结果。
GDPx 的定位，是接替 OpenAI 在 2025 年 9 月发布的 GDPval。后者至今仍是模型发布卡上最常出现的通用基准。区别在于，GDPval 是给模型一句提示和一份文档，让它交出一份成果；而 GDPx 是给智能体一个工作环境和几个小时的时间。SemiAnalysis 打算每三到六个月更新一次这个基准，所以 12% 的排行榜只是一个起点，不是最终判决。
放在背景里看，这个结果和同一天美团发布的 LongCat-2.5 形成了对照。后者是为长时间编程工作打造的模型，见我们关于 LongCat 的文章。GDPx 用更严苛的方式检验这类说法：不是模型能不能回答，而是能不能把专家工作从头做到尾。如果想看不用召唤就会干活的智能体，可以对照 DeepSeek 的 Super-agent 原型，那还只是研究代码。
来源：SemiAnalysis 公告（2026 年 11 月 2 日），经 Unite.AI（2026 年 11 月 2 日）、CryptoBriefing（2026 年 11 月 2 日）、SiliconNoon、ModelDex 和 OfficeChai（2026 年 11 月 2 日）报道。数字为写作时（2026 年 11 月 2 日晚上，雅加达时间）的快照，可能变化。
撰写加密货币与超级智能内容：市场新闻、新项目、超级智能模型，以及空投、测试网这类早期机会。每篇文章都以官方公告为准，成本也会先算清楚写出来。