SemiAnalysis ได้เปิดตัว GDPx ในวันที่ 2 พฤศจิกายน 2026 ซึ่งเป็นเกณฑ์มาตรฐานที่ครอบคลุม 206 Agent Tasks ใน 11 โดเมน ตั้งแต่การออกแบบชิปไปจนถึงการซื้อขายเชิงปริมาณ
การทดสอบนี้จำลองสถานการณ์การทำดีล Private Equity โดยใช้ข้อมูลจากบริษัทเป้าหมายและโฟลเดอร์ของที่ปรึกษา ซึ่งประกอบด้วยไฟล์ที่ไม่ระบุตัวตนประมาณ 4,000 ไฟล์
§ 01 GDPx ทดสอบอะไรบ้าง
Agent จะทำงานดีล Private Equity โดยมีข้อมูลของบริษัทเป้าหมายและโฟลเดอร์ดีลของที่ปรึกษาโหลดอยู่ ซึ่งประกอบด้วยไฟล์ที่ไม่ระบุตัวตนประมาณ 4,000 ไฟล์§ 02 ตารางผู้นำ
ในด้านต้นทุน SemiAnalysis ระบุว่า Luna และ DeepSeek แข่งขันกันในระดับต่ำ ส่วน Opus ชนะในระดับสูง และ OpenAI ครองส่วนกลาง นอกจากนี้ Gemini 4 Carbon ซึ่งยังไม่เปิดให้ใช้ทั่วไป ถูกจัดอันดับเป็นอันดับสองโดยผู้เขียนว่าเป็นโมเดลที่ควรจับตา§ 03 ใครชนะในส่วนไหน
ในงานออกแบบชิปหนึ่งจากพันธมิตร Ergodex พบว่า GPT-6 Astra ทำคะแนนเฉลี่ย 0.34 เทียบกับ Claude Opus ที่ 0.135 และ Fable ที่ 0.07§ 04 ทำไมคะแนนถึงต่ำมาก
SemiAnalysis ตั้งใจให้งานเหล่านี้เป็นสิ่งที่โมเดลที่ดีที่สุดใช้เวลาในการแก้ไขน้อยกว่าหนึ่งในห้า และระบุว่ากระบวนการตรวจสอบของตนเองที่รันบน Terminal Bench 4.0 “ติดป้ายว่างานเกือบ 50% มีข้อบกพร่อง” ซึ่งพันธมิตรต้องผ่านการตรวจสอบนี้ในการพยายามครั้งแรก§ 05 สิ่งนี้หมายความว่าอย่างไรหากพนักงาน AI ของคุณทำงานบน Claude
พนักงาน AI ของเราทำงานในงานธุรกิจประจำวันโดยมีเจ้าของอนุมัติทุกอย่างที่ออกจากบริษัท ซึ่งแตกต่างจากงานจับเวลาชิปแปดชั่วโมงศัพท์ที่ควรรู้
- GDPx – คือเกณฑ์มาตรฐานที่ SemiAnalysis สร้างขึ้นเพื่อทดสอบโมเดล AI ใน 11 โดเมน
- Agent Tasks – คือชุดของงานที่โมเดล AI ต้องดำเนินการตามที่กำหนด
- Private-equity deal – คือการทำธุรกรรมทางการเงินที่เกี่ยวข้องกับการลงทุนในบริษัทเอกชน
- GPT-6 Astra – คือหนึ่งในโมเดล AI ที่ถูกนำมาทดสอบในงานออกแบบชิป
- Terminal Bench 4.0 – คือซอฟต์แวร์ที่ใช้ในการรันและตรวจสอบงานของโมเดล
ที่มา: cellcog.ai