
何が起きたか
SemiAnalysisがチップ設計や法律など11分野・206タスクのベンチマークGDPxを公開した。
なぜ重要か
低いスコアは、現在のAIエージェントが現実的な知識労働に苦戦していることを示す。目先の自動化やAI収益への期待を抑える可能性がある。
誰に効くかチップ設計や法務分析などの知識労働向けにAIエージェントを評価する企業チームは、低いスコアから現在の能力を過大評価しないよう警戒する可能性がある。エージェント製品を販売するAIラボは、実世界性能の主張により厳しい目にさらされ得る。
こういう要約が、毎朝あなたのメールに届きます。
SemiAnalysisはGDPxを、全ての文脈をプロンプトで与えるのではなく現実的な作業環境を提供する点でOpenAIのGDPvalと差別化した。206タスクは11分野にわたり、管理・保険は意図的に除外した。AI収益の最初の1兆ドルはフロンティアAIが最大のリターンを生む業界から来るとチームが主張しているためだ。結果は上位で差が小さい。Claude Opus 5.5が12%で首位、Gemini 4 Carbonが10.9%で僅差ながら1タスクあたりのコストは約3分の1(16.29ドル)。GPT-6 Astraは9.6%だった。フィルター分析では、プロバイダーの安全機構が順位を入れ替え得ることが分かる。サイバー・生物・アラインメント分野を除くと、GPT-6 Astraが11.8%でOpus 5.5を上回る。14の専門パートナー提供による非公開タスクは、ラボがテストに最適化するのを防ぐ狙いがある。しかし開発者のJosh Purtellら批判派はGDPxを「シグナルよりノイズが多い」と評し、プロバイダー固有のエージェントソフトとサブ分野ごとのサンプル数の少なさを変動要因に挙げる。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る
OneTrustはOneTrust CORIEを基盤とするFall '26リリースを発表し、厳選した基盤モデルライブラリからモデルの関連付けと非推奨指標を継続的に更新するAI台帳を追加した
11月18日の日経「Dialogues on the Future」で、ソフトバンクグループの孫正義氏はAnthropicへの出資見送りを「僕の失敗の一つ」と語った

Cassava TechnologiesがNvidia製チップ購入のため最大10億ドルの調達を検討

Microsoft Ignite 2026でマイクロソフトは赤・青・緑チームのエージェントを組み合わせ攻撃模擬・検知調査・脆弱性修正を行うMicrosoft Perceptionの一般提供を発表した

Microsoft Ignite 2026でWindows Server 2028のパブリックプレビューが公開され、Microsoft Foundry、Windows ML、vLLM、Llama.cppによるAI推論ホス…

BrightAIがSmith Point Capital主導のラウンドで97百万ドルを調達
