SemiAnalysis hat mit GDPx einen neuen Benchmark entwickelt, der KI-Agenten an realistischen Wissensarbeits-Szenarien testet – von Chipdesign bis zu quantitativen Trading-Strategien und Cyberangriffen. Das Ergebnis ist ernüchternd: Kein Modell erreicht auch nur 12 Prozent erfolgreiche Aufgabenlösungen, Claude Opus 5.5 führt knapp vor Gemini 4 Carbon. Der Benchmark zeigt damit eine bedeutende Lücke zwischen den Fähigkeiten von Frontier-Modellen in einfachen Szenarien und ihrer praktischen Nutzbarkeit für spezialisierte Fachaufgaben. Kritiker weisen allerdings auf methodische Schwächen hin – zu wenige Aufgaben pro Bereich und inkonsistente Testbedingungen könnten die Aussagekraft beeinträchtigen.
