Найсильніша модель ШІ вирішила лише 12% завдань у новому тесті на справжню роботу
Аналітики SemiAnalysis випустили бенчмарк GDPx з 206 завдань у 11 галузях. Найкращий результат показала модель Claude Opus 5.5 — лише 12% правильних розв'язків.
🔬 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 секундTL;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 1 | Продукт 2 | Продукт 3 | |
|---|---|---|---|
| Ціна | дані не розкриті | дані не розкриті | дані не розкриті |
| Де працює | дані не розкриті | дані не розкриті | дані не розкриті |
| Мін. вимоги | дані не розкриті | дані не розкриті | дані не розкриті |
| Ключова різниця | дані не розкриті | дані не розкриті | дані 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
Джерела
AI прорыв — оригіналAI Advisory Board
Навчіть вашу команду будувати такі AI-автоматизації
За 5 днів кожен співробітник побудує автоматизацію для своєї ділянки роботи.
Дізнатись більше → aiadvisoryboard.me