AIToday
大規模言語モデルAIビジネス・産業THE DECODER掲載日時: 2026年11月6日 4:00

SemiAnalysisがGDPx公開

LINEで送る
SemiAnalysisがGDPx公開

3つのポイント

  1. 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。

  2. 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。

わからないところ、AIに聞けます

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

背景と解説

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。

よくある質問
GDPxとは何か?
GDPxはSemiAnalysisによるベンチマークで、AIエージェントを最大8時間、業務用ソフトやデータルームを使う模擬作業環境に置く。
GDPxで最も性能が高いモデルは?
Claude Opus 5.5が12%で首位、Gemini 4 Carbonが10.9%、GPT-6 Astraが9.6%で続く。
1タスクの実行コストは?
Gemini 4 Carbonは1タスク16.29ドルで、Claude Opus 5.5の約3分の1。GPT-6 LunaとDeepSeek 4.1 Flashは1タスク約1ドル。
LINEで送る

あなたの仕事に関係するAIニュースを、毎朝お届けします。

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 →

AIに質問

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。

質問と回答はこのページに公開されます。

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

関連記事

次の記事へSkyPSI CEOがドローン清掃事業の経済性を説明