Yahoo Finance informó de que Gemini 4 Carbon obtuvo un 10,9 % en GDPx, frente al 12 % de Claude Opus 5.5. La diferencia es de 1,1 puntos porcentuales. El mismo informe atribuyó a Carbon un coste de 16,29 US$ por tarea con el precio introductorio de Google, frente a 51,41 US$ para Opus 5.5.
| Modelo | Puntuación GDPx reportada | Coste reportado por tarea GDPx | Contexto del precio |
| Gemini 4 Carbon | 10,9 % | 16,29 US$ | Coste calculado con el precio introductorio de Google |
| Claude Opus 5.5 | 12 % | 51,41 US$ | Coste por tarea reportado en la comparación |
Los importes corresponden a tareas del benchmark. En el caso de Gemini 4 Carbon, el cálculo usa el precio introductorio de Google.
Cómo calcula GDPx su puntuación
GDPx evalúa tareas de IA agéntica en once dominios, desde biología y ciberseguridad hasta diseño de chips, trabajo jurídico y trading cuantitativo. En su informe publicado el 2 de noviembre, SemiAnalysis describe la puntuación principal como pass@1 basada en tres intentos. Cada dominio tiene el mismo peso; cuando participan varios colaboradores en uno, también se ponderan por igual.
El límite predeterminado para una tarea es de ocho horas, aunque algunas tienen plazos más cortos. Los modelos se ejecutan en sus entornos nativos cuando están disponibles, y la evaluación puede ser binaria o parcial según el dominio. La nota general, por tanto, reúne resultados de distintas áreas con criterios de evaluación que pueden variar.
Qué modelo destaca en cada área
En los resultados por dominio que describe SemiAnalysis, Claude Opus 5.5 lidera en trading cuantitativo, diseño de hardware y diseño de chips. Gemini 4 Carbon encabeza biología y supera por poco a los demás en ingeniería de software. GPT-6 Astra lidera en mejora recursiva y ciencia de materiales.
SemiAnalysis también señala que los clasificadores de seguridad reducen algunas puntuaciones de Claude Opus 5.5 y GPT-6 Astra. Las fortalezas repartidas entre distintos dominios ayudan a explicar por qué la proximidad entre las puntuaciones generales de Carbon y Opus 5.5 no equivale a un liderazgo uniforme en todas las áreas.
