SemiAnalysis протестировала ИИ-агентов в реальной рабочей среде: лучший результат — 12%
Аналитическая фирма SemiAnalysis представила бенчмарк GDPx, в котором агенты на базе языковых моделей выполняли 206 задач в профессиональном софте на протяжении нескольких часов. Лидером стал Claude Opus 5.5 с результатом 12%, за ним следуют Gemini 4 Carbon и GPT-6 Astra.
https://aivolna.com/lenta/2261
Аналитическая фирма SemiAnalysis представила бенчмарк GDPx, в котором агенты на базе языковых моделей выполняли 206 задач в профессиональном софте на протяжении нескольких часов. Лидером стал Claude Opus 5.5 с результатом 12%, за ним следуют Gemini 4 Carbon и GPT-6 Astra.
https://aivolna.com/lenta/2261