சிறந்த AI ஆனது கூட SemiAnalysis இன் புதிய GDPx அளவுகோலில் 12% உண்மையான வேலைகளை மட்டுமே நிறைவு செய்கிறது

SemiAnalysis ஆனது நவம்பர் 2 அன்று GDPx என்ற புதிய ஏஜென்டிக் பெஞ்ச்மார்க்கை வெளியிட்டது, உருவகப்படுத்தப்பட்ட பணியிடங்களுக்குள் 13 எல்லைப்புற AI மாடல்களை வைத்து உண்மையில் 206 தொழில்முறை பணிகளைச் செய்யும்படி கேட்டுக் கொண்டது - மேலும் சிறந்த மாடல் 12.0% மட்டுமே நிறைவு செய்தது. ஆந்த்ரோபிக்கின் கிளாட் ஓபஸ் 5.5 12.0% இல் முன்னணியில் உள்ளது, கூகிளின் ஜெமினி 4 கார்பன் 10.9% இல் இரண்டாவது இடத்தைப் பிடித்தது, OpenAI இன் GPT-6 அஸ்ட்ரா 9.6% இல் மூன்றாவது இடத்தைப் பிடித்தது, மேலும் குறைந்த தரவரிசையில் உள்ள Z.ai இன் GLM 5.3, 2.7% நிர்வகிக்கப்பட்டது. மாடல்கள் மோசமடைந்ததைப் பற்றிய கதை அல்ல; இது சோதனை நேர்மையாக இருப்பதைப் பற்றிய கதை: GDPx வேலைகளை தருகிறது, தேர்வு பதில்கள் அல்ல. (அட்டைப் படம் என்பது AI தரவு மையத்தின் கோப்புப் புகைப்படம்.)

இது எதைச் சோதிக்கிறது: 11 அதிக வருவாய் டொமைன்கள், ஒரு பணிக்கு எட்டு மணிநேரம்

GDPx ஆனது சிப் வடிவமைப்பு, வன்பொருள் வடிவமைப்பு, இணைய பாதுகாப்பு, உயிரியல், நிதி, சட்ட, அளவு வர்த்தகம், சுழல்நிலை சுய முன்னேற்றம், பொருள் அறிவியல், சீரமைப்பு மற்றும் மென்பொருள் பொறியியல் - 11 டொமைன்கள் மொத்த உள்நாட்டு உற்பத்தியின் பங்கை விட முதலீட்டில் பொருளாதார வருவாயைத் தேர்ந்தெடுக்கும். அதன் நிதிப் பணிகள் ஒரு உண்மையான தனியார்-பங்கு ஒப்பந்தத்தை மறுகட்டமைக்கிறது, சுமார் 62% சிற்றுண்டி உற்பத்தியாளரின் நிதியை சுமார் $880 மில்லியனுக்கு வாங்குகிறது மற்றும் ஒரு வருமானம், மாதிரி வேலை செய்ய வேண்டிய 4,000 அநாமதேய ஒப்பந்தக் கோப்புகளில் பரவுகிறது; இணையப் பாதுகாப்புப் பணிகள் உண்மையான இணைக்கப்படாத பாதிப்புகளைக் கொண்ட நேரடி சேவைகளுக்கு எதிராக இயங்குகின்றன. பணிகள் எட்டு மணிநேர இயல்புநிலை வரம்பைக் கொண்டுள்ளன, மேலும் மாடல்கள் அவற்றின் சொந்த கருவியில் இயங்கும் - Opus 5.5 க்கான Claude Code, GPT-6 Astraக்கான கோடெக்ஸ், ஜெமினி 4 கார்பனுக்கான Antigravity - தலைப்பு மதிப்பெண்ணுடன் முதல் முயற்சி தேர்ச்சி விகிதங்களை மூன்று முயற்சிகளில் சராசரியாகக் கொண்டு ஒவ்வொரு டொமைனையும் சமமாக எடைபோடுகிறது.

டொமைன் வாரியாக வெவ்வேறு தலைவர்கள்; பூஜ்ஜியத்தில் நிதி மற்றும் சட்ட

ஓபஸ் 5.5 குவாண்ட் டிரேடிங், ஹார்டுவேர் டிசைன் மற்றும் சிப் டிசைன் ஆகியவற்றை முழுமையாக வென்றது; ஜெமினி 4 கார்பன் தலைமையிலான உயிரியல் மற்றும் மென்பொருள் பொறியியல்; GPT-6 அஸ்ட்ரா சுழல்நிலை சுய முன்னேற்றம் மற்றும் பொருள் அறிவியலை எடுத்தது. ஆனால் பைனரி கிரேடிங்கின் கீழ் - ஒரு பணி முடிவடைந்தால் மட்டுமே கணக்கிடப்படும் - ஒவ்வொரு மாதிரியும் நிதி மற்றும் சட்டப்பூர்வ இரண்டிலும் பூஜ்ஜியத்தைப் பெற்றது, அதனால்தான் அந்த டொமைன்களுக்கான பகுதி-கிரெடிட் மதிப்பெண்களை SemiAnalysis தெரிவிக்கிறது. குவாண்ட் டிரேடிங்கில், 111 தரப்படுத்தப்பட்ட ரன்களில் 70, ஒரு எளிய குறிப்பு உத்தியைச் செயல்படுத்தவில்லை, மேலும் சீரமைப்பு-மையப்படுத்தப்பட்ட பணிகளில், 200 ரன்களில் 196 குறைந்தது ஒரு நடத்தை விதியை மீறியது. திறனைப் பொறுத்து செலவுகள் பரவலாக வேறுபடுகின்றன: ஓபஸ் 5.5 ஒரு பணிக்கு சராசரியாக $51.41, ஜெமினி 4 கார்பன் அதன் மூன்றில் ஒரு பங்கு $16.29, மற்றும் GPT-6 அஸ்ட்ரா ஒரு பணிக்கு $53.99 என விலை உயர்ந்தது, 2.4 புள்ளிகள் முன்னணியில் உள்ளது.

12% படிக்க எப்படி: மூன்று எச்சரிக்கைகள்

முதலாவதாக, GDPx என்பது பணம் செலுத்திய அரைப்பகுப்பாய்வு தயாரிப்பு ஆகும், அதன் பங்குதாரர் உருவாக்கிய பணிகள் சுயாதீனமாக தணிக்கை செய்யப்படவில்லை, எனவே முதல் நாளில் ஒவ்வொரு எண்ணும் வெளியீட்டாளரின் சொந்த அறிக்கையாகும். இரண்டாவதாக, ஓபஸ் 5.5 மற்றும் GPT-6 அஸ்ட்ரா ஆகியவை சைபர் செக்யூரிட்டி, உயிரியல் மற்றும் சீரமைப்புப் பணிகளில் அவற்றின் பாதுகாப்பு வகைப்படுத்திகளால் தடுத்து நிறுத்தப்பட்டதாக அரை பகுப்பாய்வு கூறுகிறது. மூன்றாவதாக, GDPx ஆனது செப்டம்பர் 2025 முதல் OpenAI இன் GDPval க்கு வாரிசாக நிலைநிறுத்தப்பட்டுள்ளது, இது செமிஅனாலிசிஸ் வாதிடுவது முன் முகவர் சகாப்தத்திற்கு சொந்தமானது, ஏனெனில் இது மாதிரியை எந்த தொடர்பும் இல்லாமல் முன்னோக்கி ஒப்படைக்கிறது; நிறுவனம் ஒவ்வொரு மூன்று முதல் ஆறு மாதங்களுக்கு புதுப்பிப்புகளைத் திட்டமிடுகிறது, எனவே அடுத்த வாசிப்பு வரி எந்த வழியில் நகர்கிறது என்பதைக் காண்பிக்கும்.