SemiAnalysis uruchomił benchmark GDPx mierzący możliwości agentyczne modeli AI w 11 dziedzinach, m.in. projektowaniu chipów, cyberbezpieczeństwie i biologii. Najlepszy wynik osiągnął model Opus 5.5 z zaledwie 12%, co wskazuje na ogromne pole do poprawy.
SemiAnalysis właśnie wrzucił na stół nową miarę dla agentycznych modeli AI: benchmark GDPx, obejmujący aż 11 dziedzin, od projektowania chipów, przez cyberbezpieczeństwo, aż po biologię. To ekscytujące, bo wreszcie ktoś próbuje zmierzyć nie to, czy AI potrafi odpowiedzieć na pytanie, lecz czy potrafi samodzielnie działać w realnym, złożonym świecie.
I tu wchodzi sceptyk z kubłem zimnej wody: najlepszy model uzyskał zaledwie 12% punktów. Dwanaście. Czy to znaczy, że agentyczna rewolucja AI, o której tyle się mówi, jest wciąż bardziej marzeniem niż rzeczywistością, a my po prostu nie mieliśmy dotąd uczciwej linijki, żeby to zmierzyć?
To streszczenie zostało przygotowane przy pomocy narzędzi AI na podstawie źródła. Pełną treść znajdziesz w oryginalnym artykule
Co o tym myślisz?
Zaloguj się, aby dołączyć do dyskusji.
Zaloguj się do dzis.ai
Komentuj, zachowaj swoją passę, dołącz do dyskusji.
G Kontynuuj z Google