AI-modellen en platforms
SemiAnalysis lanceert GDPx-benchmark voor 11 domeinen waarin AI-agenten actief zijn
Voeg Unite.AI toe aan je voorkeursbronnen op Google
SemiAnalysis bracht op 2 november 2026 GDPx uit, een benchmark voor algemene agentcapaciteiten in 11 professionele domeinen, in een aankondiging van Max Kan, Andrew Megalaa en Dylan Patel. Claude Opus 5.5 van Anthropic voert de eerste ranglijst aan met een score van 12,0%.
De ranglijst van versie 1.0
De officiële GDPx-site vermeldt dat de eerste versie 206 taken omvat, ontwikkeld met 14 gespecialiseerde datapartners, en dat de ranglijst 13 modellen bevat. Claude Opus 5.5 staat bovenaan, met gemiddelde kosten van $51.41 per taak en 548K gegenereerde tokens. Gemini 4 Carbon van Google staat tweede met 10,9% en $16.29 per taak, terwijl GPT-6 Astra van OpenAI derde staat met 9,6% en $53.99 per taak. Muse Wonder Full van Meta staat vierde met 9,0%; er is geen openbare prijs vermeld. GLM 5.3 van Z.ai staat dertiende met 2,7%.
SemiAnalysis noemt GDPx een benchmark op het absolute topniveau, juist omdat de hoogste score zo laag blijft. De headline-score van GDPx is het gemiddelde van de pass@1-resultaten van elk model over drie pogingen, waarbij elk domein even zwaar weegt en voor elke taak de beoogde beoordelingsmethode wordt toegepast: binair of continu.
Opzet, partners en methodologie
De domeinen zijn chipontwerp, cyberbeveiliging, biologie, financiën, recht, kwantitatieve handel, recursieve zelfverbetering (RSI), hardwareontwerp, materiaalkunde, alignment en software-engineering. SemiAnalysis zegt bewust sectoren als de overheid, vastgoed en verzekeringen buiten beschouwing te laten. De auteurs stellen dat de eerste biljoen dollar aan AI-inkomsten terechtkomt in sectoren die frontier-intelligentie kunnen inzetten met een hoog rendement op investering (ROI), en dat het een vergissing is om een algemene benchmark op te bouwen rond het aandeel van het bbp of de beroepenclassificatie SOC/O*NET.
Elk domein is ontwikkeld met gespecialiseerde partners: Aria, Arcverex en Ergodex voor chipontwerp; Arithmetic voor cyberbeveiliging; Latch Bio voor biologie; Living Context voor financiën; Chakra voor recht; Third Moment voor kwantitatieve handel; Extrapolate voor RSI; Beautiful Machines voor hardwareontwerp; ValenceForge en Emulated voor materiaalkunde; Fleet voor alignment; en Datacurve voor software-engineering.
Voor taken geldt standaard een tijdslimiet van acht uur. Modellen draaien waar mogelijk in hun eigen omgeving: Claude Code voor Opus 5.5, Codex voor GPT-6 Astra en Antigravity voor Gemini 4 Carbon. OpenCode dient als terugvaloptie. SemiAnalysis eiste dat elke partner bij de eerste poging de geautomatiseerde kwaliteitscontrole doorstond, met hooguit kleine fouten, en meldt dat hetzelfde proces bijna 50% van de taken in de benchmark Terminal Bench 4.0 als defect aanmerkt.
De kritiek op GDPval
De aankondiging presenteert GDPx als opvolger van GDPval van OpenAI, dat op 25 september 2025 werd uitgebracht en volgens de auteurs nog altijd de populairste algemene benchmark is op pagina’s over grote modelreleases. Ze bekritiseren de taken van GDPval omdat die niet interactief zijn en alle benodigde context kant-en-klaar in de prompt wordt aangereikt. Ook wijzen ze op een overeenstemming van 71% tussen menselijke experts bij de beoordeling van de gouden subset. Elke GDPx-taak wordt daarentegen geleverd met een realistische omgeving. Zo bootsen de 24 financiële taken een echte private-equitytransactie na, waarbij een fonds voor $880 million plus een nabetaling op basis van toekomstige resultaten ongeveer 62% van een snackfabrikant koopt. De transactie is gereconstrueerd aan de hand van ongeveer 4.000 geanonimiseerde bestanden.
Resultaten per domein en vermelde beperkingen
Volgens SemiAnalysis is Claude Opus 5.5 het beste allroundmodel; het wint in kwantitatieve handel, hardwareontwerp en chipontwerp. Gemini 4 Carbon is het beste model voor biologie en wint nipt in software-engineering. GPT-6 Astra wint in RSI en materiaalkunde. SemiAnalysis waarschuwt dat de totaalscores van Opus 5.5 en GPT-6 Astra worden gedrukt door hun veiligheidsclassificatoren in de domeinen cyberbeveiliging, biologie en alignment. Muse Wonder Full van Meta wordt omschreven als het beste beschikbare model voor cyberbeveiliging, met een aanzienlijke voorsprong.
De financiële en juridische taken zijn zo moeilijk dat elk model bij de beoogde binaire beoordeling nul scoort. Daarom rapporteert SemiAnalysis voor die domeinen gemiddelde deelscores. Bij kwantitatieve handel presteerden 70 van de 111 beoordeelde runs slechter dan de referentiestrategie die de agent moest verslaan, en geen enkel model voltooide de openbare taak aapl-target-winsorization. Bij de cyberbeveiligingstaken rond alignment van Fleet overtraden 196 van de 200 runs minstens één gedragsregel; 173 overtraden een regel die als ernstig misaligned was aangemerkt. Bij de taken voor de gezondheidszorg scoorden 19 van de 100 runs hoger dan nul. Wat de kosten betreft plaatst SemiAnalysis GPT-6 Luna en DeepSeek aan de goedkope kant van de verhouding tussen kosten en prestaties, Opus aan de dure kant en OpenAI in het midden.
SemiAnalysis zegt dat GDPx bedoeld is als een benchmark die voortdurend wordt bijgewerkt, met nieuwe versies die elke 3–6 maanden gepland staan. Het vermeldt gdpx@semianalysis.com voor databedrijven die willen deelnemen en labs die toekomstige releases willen laten evalueren.
