SemiAnalysis запустила GDPx: Claude Opus 5.5 набрала 12%
2026-11-02 компания SemiAnalysis представила GDPx — оценку способности языковых моделей выполнять длительные профессиональные задачи. Набор включает 206 заданий по 11 направлениям, среди которых разработка микросхем, кибербезопасность, биология, финансы, право и программная инженерия. По данным авторов, Claude Opus 5.5 заняла первое место с результатом 12,0%, Gemini 4 Carbon получила 10,9%, а GPT-6 Astra — 9,6%; независимых замеров пока нет.
Задания подготовлены вместе с 14 профильными партнёрами и оцениваются в среднем по трём попыткам. Средняя стоимость выполнения одного задания составила от 0,92 USD для GPT-6 Luna до 67,16 USD для Claude Fable 5.1; это не цена за 1M токенов, а фактические расходы в тестовой среде. GDPx не является официальным продолжением GDPval от OpenAI: SemiAnalysis выбрала более узкий набор отраслей и сделала акцент на многоэтапной работе моделей. Большинство заданий закрыто, поэтому полностью воспроизвести результаты пока нельзя.
Для бизнеса GDPx служит проверкой реалистичности проектов, где модели должны самостоятельно выполнять сложную работу в течение нескольких часов. При курсе 80,5573 RUB за 1 USD затраты одного тестового запуска составляли примерно 74–5 410 RUB на задание, без учёта интеграции и проверки сотрудником. Риск — принять 12% успешных выполнений за готовность к автономной эксплуатации; перед внедрением следует испытать модели на собственных данных, ограничить их права и сохранить обязательное согласование результатов человеком. SemiAnalysis планирует обновлять GDPx каждые 3–6 месяцев, поэтому важно отслеживать воспроизводимость методики и изменение стоимости успешного задания.