الذكاء الاصطناعي٥ نوفمبر ٢٠٢٦
اختبار جديد يظهر ضعف أداء وكلاء الذكاء الاصطناعي في المهام الواقعية
أطلقت شركة التحليلات SemiAnalysis معيار GDPx لاختبار وكلاء الذكاء الاصطناعي في ٢٠٦ مهام تحاكي بيئات العمل المهنية. وتصدّر Claude Opus 5.5 النتائج بنسبة ١٢٪، يليه Gemini 4 Carbon بنسبة ١٠٫٩٪ ثم GPT-6 Astra بنسبة ٩٫٦٪. وقد تستغرق المهمة الواحدة حتى ٨ ساعات، لكن سرية معظم المهام واستخدام كل مزوّد برمجيات وكلائه الخاصة أثارا تساؤلات عن عدالة المقارنة. وتعتزم SemiAnalysis تحديث المعيار كل ٣ إلى ٦ أشهر.
الحقائق الأساسية
يتصدر Claude Opus 5.5 الترتيب بنسبة ١٢٪.
«According to SemiAnalysis, Claude Opus 5.5 tops the leaderboard at 12 percent.»
عرض المصدر ←تضمّن المعيار ٢٠٦ مهام موزعة على ١١ مجالًا.
«The 206 tasks span eleven domains, including chip design, biology, quant trading, cybersecurity, and law.»
عرض المصدر ←تخطط SemiAnalysis لتحديث المعيار كل ٣ إلى ٦ أشهر.
«SemiAnalysis plans to update the benchmark every three to six months.»
عرض المصدر ←
المصادر
شفت معلومة تحتاج تصحيح؟ بلّغنا ونتحقق ونصحّح — سياسة التصحيح
صحّح هذا الخبر