Claude Opus 5.5 обошёл Gemini 4 Carbon в GDPx, но Google оказалась втрое дешевле!
SemiAnalysis представила GDPx, новый бенчмарк для AI-агентов с 206 сложными задачами из 11 профессиональных областей: разработка чипов, программирование, финансы, биология, кибербезопасность и другие.
Результаты оказались неожиданными:
- Claude Opus 5.5: 12% при стоимости $51,41 за задачу.
- Gemini 4 Carbon: 10,9% при $16,29.
- GPT-6 Astra: 9,6% при $53,99.
Gemini отстаёт от Claude всего на 1,1 процентного пункта, но обходится примерно в 3,2 раза дешевле.
При этом даже лидер набрал лишь 12%. Оценка учитывает частично выполненные задания, поэтому речь не обязательно о 12% полностью решённых задач.
Ещё новости:
