SemiAnalysis ha publicado GDPx, un benchmark para poner a prueba los modelos de IA más potentes en tareas de agente propias de los sectores comerciales con más demanda. Una de sus características principales es la dificultad general de las pruebas: los modelos de IA más avanzados de la actualidad no superan el 12% en el benchmark.
GDPx evalúa los modelos con tareas de 12 categorías: diseño de chips, finanzas, ciencia de materiales, diseño de hardware, jurisprudencia, ciberseguridad, alineación de la IA (Alignment), ingeniería de software, biología, automejora recursiva y trading.
SemiAnalysis eligió estas disciplinas porque considera que en ellas la IA puede aportar un beneficio real y medible. La empresa desarrolló cada prueba en colaboración con especialistas del área correspondiente.
Resultados del benchmark completo (a la izquierda) y de la versión de la prueba sin las secciones de ciberseguridad y biología.
El modelo que mejor se ha desenvuelto en GDPx es Claude Opus 5.5. Le siguen Gemini 4 Carbon y GPT-6 Astra. No obstante, en SemiAnalysis señalan que los modelos de OpenAI y Anthropic rinden en la prueba general por debajo de lo que podrían debido a restricciones demasiado estrictas cuando trabajan en ciberseguridad y biología. Si se excluyen estas categorías, los modelos de ambas compañías mejoran de forma notable y superan con claridad a Gemini 4 Carbon.