Op 4 november rapporteerde Yahoo Finance voor de GDPx-benchmark een score van 10,9% voor Gemini 4 Carbon en 12% voor Claude Opus 5.5. De afstand is 1,1 procentpunt. De gemelde kosten per benchmarktaak lagen voor Carbon lager, maar de resultaten verschillen per vakgebied en vormen geen algemene ranglijst van AI-modellen.
| Model | GDPx-score volgens Yahoo Finance | Kosten per GDPx-taak volgens Yahoo Finance |
| Gemini 4 Carbon | 10,9% | $ 16,29, tegen Googles introductieprijs |
| Claude Opus 5.5 | 12% | $ 51,41 |
De bedragen zijn kosten per GDPx-taak. Yahoo Finance koppelde het bedrag voor Gemini 4 Carbon aan Googles introductieprijs; de vergelijking is geen algemene API-prijs voor andere toepassingen.
Wat de GDPx-score meet
GDPx is een benchmark van SemiAnalysis voor agentische taken in elf domeinen, waaronder software-engineering, biologie, cybersecurity, chipontwerp en kwantitatieve handel. Yahoo Finance meldde dat de benchmark 206 taken omvat en met veertien gespecialiseerde partners is opgezet.
SemiAnalysis berekent de hoofdscore als pass@1 over drie pogingen: de maatstaf kijkt naar het resultaat bij één poging, binnen een reeks van drie. Elk domein weegt even zwaar; als een domein meerdere partners heeft, tellen hun bijdragen ook even zwaar mee. Afhankelijk van het domein krijgen modellen een binaire beoordeling of deelscore. De standaardtijdslimiet is acht uur, al zijn sommige taken korter, en modellen draaien waar mogelijk in hun eigen werkomgeving.
De percentages vatten dus prestaties samen over verschillende vakgebieden en beoordelingsvormen. Zo’n samengestelde score is iets anders dan het aandeel gewone opdrachten dat een model in de praktijk kan afronden.
De sterkste score verschilt per domein
Volgens SemiAnalysis behaalt Claude Opus 5.5 de beste resultaten in kwantitatieve handel, hardwareontwerp en chipontwerp. Gemini 4 Carbon voert aan in biologie en software-engineering. GPT-6 Astra leidt in recursieve zelfverbetering en materiaalkunde.
SemiAnalysis vermoedt dat Carbon in biologie voordeel heeft van minder beperkende veiligheidsfilters. Het benchmarkteam zegt ook dat veiligheidsfilters sommige scores van Opus 5.5 en GPT-6 Astra drukken. Die verschillen per vakgebied maken duidelijk waarom de totaalscore op zichzelf geen universele winnaar aanwijst.
