Yahoo Finance ha riportato per il benchmark GDPx un punteggio del 10,9% per Gemini 4 Carbon e del 12% per Claude Opus 5.5. Lo scarto è di 1,1 punti percentuali. Nello stesso confronto, il costo per attività indicato per Carbon era di 16,29 dollari al prezzo introduttivo di Google, contro 51,41 dollari per Opus 5.5.
Punteggi e costi per attività riportati
| Modello | Punteggio GDPx riportato | Costo riportato per attività GDPx |
| Gemini 4 Carbon | 10,9% | 16,29 $ |
| Claude Opus 5.5 | 12% | 51,41 $ |
Il costo riportato per Carbon si riferisce al prezzo introduttivo di Google. Il rapporto fra i due importi è di circa 3,2 a 1: nel confronto di costi per attività GDPx, la cifra attribuita a Carbon è circa il 68,3% più bassa. Il punteggio e il costo descrivono questo benchmark e le condizioni di prezzo indicate per Carbon.
Come GDPx costruisce il punteggio
GDPx valuta le capacità degli agenti in 11 ambiti specialistici, dalla biologia alla cybersicurezza, dalla finanza al diritto e alla progettazione di chip. La metrica principale è pass@1, calcolata su tre tentativi; ciascun dominio pesa allo stesso modo e, quando un dominio ha più partner, anche i partner hanno peso uguale. La valutazione può essere binaria oppure parziale, secondo il dominio.
Le attività hanno un limite predefinito di otto ore, anche se alcune durano meno. I modelli sono stati eseguiti nel loro ambiente operativo nativo quando disponibile, per esempio Antigravity per Gemini 4 Carbon. Il rapporto GDPx di SemiAnalysis descrive prove costruite attorno a compiti specialistici e ambienti di lavoro articolati. Il punteggio aggregato riflette quindi sia i risultati nei diversi ambiti sia le regole di valutazione adottate.
I risultati migliori cambiano da un dominio all’altro
Nel resoconto di SemiAnalysis, Claude Opus 5.5 è in testa nel trading quantitativo, nella progettazione hardware e in quella dei chip. Gemini 4 Carbon ottiene i risultati migliori in biologia e un vantaggio ristretto nell’ingegneria del software; GPT-6 Astra guida invece nell’auto-miglioramento ricorsivo e nella scienza dei materiali. SemiAnalysis segnala inoltre che i classificatori di sicurezza hanno penalizzato alcuni risultati di Opus 5.5 e GPT-6 Astra.
Perciò il distacco complessivo di 1,1 punti percentuali non racconta da solo le differenze tra i modelli: il confronto cambia a seconda dell’ambito valutato.
