没有 AI 智能体在 SemiAnalysis 新的真实世界工作基准上得分超过 12%2026-11-06SemiAnalysis 发布 GDPx 基准，以 206 项真实工作任务测试 AI 智能体，最高分仅 12%；安全过滤、任务保密和工具链差异引发评测有效性争议。