Claude Opus 5.5 обошёл Gemini 4, но Google оказалась втрое дешевле

SemiAnalysis представила GDPx - новый бенчмарк для AI-агентов с 206 сложными задачами из 11 профессиональных областей: разработка чипов, программирование, финансы, биология, кибербезопасность и другие.

Результаты оказались неожиданными:

- Claude Opus 5.5: 12% при стоимости $51,41 за задачу.

- Gemini 4 Carbon: 10,9% при $16,29.

- GPT-6 Astra: 9,6% при $53,99.

Gemini отстаёт от Claude всего на 1,1 процентного пункта, но обходится примерно в 3,2 раза дешевле.

При этом даже лидер набрал лишь 12%. Оценка учитывает частично выполненные задания, поэтому речь не обязательно о 12% полностью решённых задач.

https://gdpx.semianalysis.com/