حتى أفضل الذكاء الاصطناعي لا يكمل سوى 12% من الوظائف الحقيقية في معيار الناتج المحلي الإجمالي الجديد الخاص بـ SemiAnalys

نشرت شركة SemiAnalogy معيارًا وكيلًا جديدًا، وهو GDX، في 2 نوفمبر، حيث وضعت 13 نموذجًا رائدًا للذكاء الاصطناعي داخل أماكن عمل تمت محاكاتها وطلبت منهم القيام فعليًا بـ 206 مهمة احترافية - وأكمل النموذج الأفضل 12.0% فقط. تقدم Anthropic's Claude Opus 5.5 بنسبة 12.0%، وجاء Gemini 4 Carbon من Google في المرتبة الثانية بنسبة 10.9%، وGPT-6 Astra من OpenAI في المركز الثالث بنسبة 9.6%، والنموذج الأدنى تصنيفًا، Z.ai's GLM 5.3، الذي حقق 2.7%. هذه ليست قصة عن عارضات الأزياء الذين يزدادون سوءًا؛ إنها قصة حول كون الاختبار صادقًا: يقوم نظام الناتج المحلي الإجمالي (GDPx) بتقييم الوظائف، وليس إجابات الامتحان. (صورة الغلاف هي صورة ملف لمركز بيانات الذكاء الاصطناعي.)

ما يتم اختباره: 11 نطاقًا عالي العائد، ثماني ساعات لكل مهمة

يمتد إجمالي الناتج المحلي الإجمالي (GDX) إلى تصميم الرقائق، وتصميم الأجهزة، والأمن السيبراني، والبيولوجيا، والتمويل، والقانونية، والتداول الكمي، والتحسين الذاتي العودي، وعلوم المواد، والمواءمة وهندسة البرمجيات - 11 مجالًا تم اختيارها للعائد الاقتصادي على الاستثمار بدلاً من حصة الناتج المحلي الإجمالي. وتعيد مهامه المالية بناء صفقة حقيقية للأسهم الخاصة، وهو صندوق يشتري ما يقرب من 62% من شركة تصنيع الوجبات الخفيفة مقابل حوالي 880 مليون دولار بالإضافة إلى الأرباح، موزعة على حوالي 4000 ملف صفقة مجهولة المصدر يجب أن يعمل النموذج من خلالها؛ تعمل مهام الأمن السيبراني ضد الخدمات المباشرة التي تحمل ثغرات أمنية حقيقية لم يتم إصلاحها. تحمل المهام حدًا افتراضيًا قدره ثماني ساعات، ويتم تشغيل النماذج في أدواتها الأصلية حيثما كان ذلك متاحًا - Claude Code لـ Opus 5.5، وCodex لـ GPT-6 Astra، وAntigravity لـ Gemini 4 Carbon - مع متوسط ​​النتيجة الرئيسية لمعدلات نجاح المحاولة الأولى على مدى ثلاث محاولات وترجيح كل مجال بالتساوي.

قادة مختلفون حسب المجال؛ المالية والقانونية عند الصفر

فازت Opus 5.5 بالتداول الكمي وتصميم الأجهزة وتصميم الرقائق بشكل مباشر؛ Gemini 4 Carbon يقود علم الأحياء وهندسة البرمجيات؛ استغرق GPT-6 Astra التحسين الذاتي العودي وعلوم المواد. ولكن في ظل التصنيف الثنائي - لا يتم احتساب المهمة إلا في حالة اكتمالها من البداية إلى النهاية - سجل كل نموذج صفرًا في كل من الشؤون المالية والقانونية، وهذا هو السبب وراء قيام شركة SemiAnalias بتقديم درجات ائتمان جزئية لتلك المجالات بدلاً من ذلك. في التداول الكمي، كان أداء 70 من أصل 111 عملية متدرجة أقل من أداء استراتيجية مرجعية بسيطة، وفي المهام التي تركز على المحاذاة، خرقت 196 من 200 قاعدة سلوكية واحدة على الأقل. تباينت التكاليف على نطاق واسع مثل القدرة: بلغ متوسط ​​سعر Opus 5.5 51.41 دولارًا لكل مهمة، وGemini 4 Carbon ما يقرب من ثلث ذلك بسعر 16.29 دولارًا، وكان GPT-6 Astra هو الأغلى بسعر 53.99 دولارًا لكل مهمة بفارق 2.4 نقطة خلف القائد.

كيفية قراءة نسبة 12%: ثلاثة محاذير

أولاً، إن الناتج المحلي الإجمالي (GDPx) هو منتج SemiAnalogy مدفوع الأجر ولم يتم تدقيق المهام التي أنشأها الشركاء بشكل مستقل، لذا في اليوم الأول، يكون كل رقم بمثابة تقرير خاص بالناشر. ثانيًا، تقول شركة SemiAnalogy نفسها إن Opus 5.5 وGPT-6 Astra معوقتان بسبب مصنفات السلامة الخاصة بهما فيما يتعلق بمهام الأمن السيبراني والبيولوجيا والمواءمة، مما يجعل الرقم 12.0% متحفظًا بالنسبة لتلك النماذج. ثالثًا، تم وضع الناتج المحلي الإجمالي (GDPx) كخليفة لـ الناتج المحلي الإجمالي (GDPval) الخاص بـ OpenAI اعتبارًا من سبتمبر 2025، والذي تقول شركة SemiAnalys أنه ينتمي إلى عصر ما قبل الوكيل لأنه يمنح النموذج كل السياق مقدمًا دون أي تفاعل؛ يتم تحديث خطط الشركة كل ثلاثة إلى ستة أشهر، وبالتالي فإن القراءة التالية سوف تظهر الاتجاه الذي يتحرك فيه الخط.