AI News

Найсильніша модель ШІ вирішила лише 12% завдань у новому тесті на справжню роботу

Редакція AI NewsДжерело: AI прорывОпубліковано Оновлено
AI прорыв•17 днів тому•7 переглядів•

Аналітики SemiAnalysis випустили бенчмарк GDPx з 206 завдань у 11 галузях. Найкращий результат показала модель Claude Opus 5.5 — лише 12% правильних розв'язків.

ВердиктНегативнаImpact 4/10

🔬 Дослідження, а не продукт. Бенчмарк показує поточні межі ШІ — для компаній на 10-50 людей тут немає нічого, що можна впровадити сьогодні.

🎯 Чи підходить це вашому бізнесу?

Заповніть профіль компанії — і ми автоматично покажемо, чи варто вам це впроваджувати.

Заповнити профіль · 30 секунд
Детальний розбір ↓

TL;DR

• Бенчмарк GDPx містить 206 завдань з 11 галузей, від проєктування чипів до права. • На кожне завдання відводиться до 8 годин роботи. • Найкраший результат — Claude Opus 5.5 з 12% правильних розв'язків. • У фінансах та праві майже всі моделі набрали близько нуля за повні розв'язки. • Захистові фільпи зняли бали у Opus і Astra у кібербезпеці та біології.


Як це змінить ваш ринок?

Результати показують, що поточні моделі ШІ не готові до самостійної роботи над серйозними бізнес-завданнями. Для фінансових і юридичних компаній це означає, що довіряти агентам повні розв'язки без людського нагляду рано. Ринок отримує чіткий сигнал: допоміжний інструмент — так, автономний співробітник — ні.

Визначення: бенчмарк — стандартизований набір завдань для порівняння якості роботи моделей штучного інтелекту.

Для кого це і за яких умов

Ця новина не стосується прямих дій для бізнесу. Це дослідницький матеріал для тих, хто планує довгострокову стратегію використання ШІ. Мінimal масштаб — не застосовується, бо немає продукту для впровадження.

Альтернативи

Продукт 1Продукт 2Продукт 3
Цінадані не розкритідані не розкритідані не розкриті
Де працюєдані не розкритідані не розкритідані не розкриті
Мін. вимогидані не розкритідані не розкритідані не розкриті
Ключова різницядані не розкритідані не розкритідані не розкриті

💬 Часті запитання

Чи можуть моделі працювати самостійно?

Ні, за результатами GDPx вони можуть лише допомагати, а не залишатися одні на серйозній роботі.

Чому результати такі низькі?

Завдання спеціально ускладнили, а захистові фільпи зняли бали у лідерів у чутливих галузях.

Чи потрібно щось робити бізнесу зараз?

Ні, це дослідницький бенчмарк без готового продукту для компаній на 10-50 людей.

Такий розбір щоранку о 08:00

Персональний AI-дайджест для вашої галузі — щодня у Telegram

Підписатися безкоштовно
AIbenchmarkGDPxClaudeOpus5.5Gemini4CarbonGPT-6AstraAIagentsSemiAnalysis

AI Advisory Board

Навчіть вашу команду будувати такі AI-автоматизації

За 5 днів кожен співробітник побудує автоматизацію для своєї ділянки роботи.

Дізнатись більше → aiadvisoryboard.me