112dijital Gündem
yükleniyor…
SemiAnalysis, 11 alanı ölçen ajan yetenek benchmark'ı GDPx'i duyurdu; Opus 5.5 %12 skorla zirvede
Techmeme·

SemiAnalysis, 11 alanı ölçen ajan yetenek benchmark'ı GDPx'i duyurdu; Opus 5.5 %12 skorla zirvede

Orijinal başlık: SemiAnalysis launches GDPx, an agentic capability benchmark measuring 11 domains, including chip design, cybersecurity, and RSI; Opus 5.5 tops with a 12% score (SemiAnalysis)

Kısaca

Yeni benchmark; RSI, donanım tasarımı, siber güvenlik, biyo, finans, hukuk, nicel işlem, çip tasarımı, yazılım mühendisliği, malzeme bilimi ve hizalama alanlarında yapay zeka ajanlarının yeteneğini ölçüyor.

Ne oldu?

  • GDPx; RSI, donanım tasarımı, siber güvenlik, biyo, finans, hukuk, nicel işlem, çip tasarımı, yazılım mühendisliği, malzeme bilimi ve hizalama dahil 11 alanı kapsıyor.
  • Opus 5.5, benchmark'ı yalnızca %12 skorla lider olarak tamamladı; en iyi modelin bile düşük performansı alanların zorluğunu gösteriyor.

Neden önemli?

Ajan tabanlı otomasyon kurmak isteyen ekipler model seçiminde GDPx gibi alan bazlı benchmark'ları referans alabilir; en iyi skoru %12 olması bu teknolojinin hâlâ erken aşamada olduğunu gösteriyor.

11 alan%12 skor (Opus 5.5)
Haberin kaynağı: Techmeme

SemiAnalysis hakkında diğer haberler