ARTICLE · 1303766
最强模型只拿12%,同一天SUSE以AI为由裁员一成
11 月 2 日，半导体与 AI 研究机构 SemiAnalysis 发布了一套新的 AI 智能体测评 GDPx：206 项专家级任务、覆盖 11 个领域，排名第一的 Claude Opus 5.5 总分 12.0%。
这组数字出自 SemiAnalysis 官网排行榜和三位作者 Max Kan、Andrew Megalaa、Dylan Patel 署名的长文，属于一手发布，尚未见第三方复现。同一天，据英国科技媒体 The Register 独家报道，开源软件公司 SUSE 的 CEO 在内部信中宣布裁员约 10%，理由之一是「自动化和 AI」。
01 GDPx 测的是什么
GDPx 官网首页写着三个数字：11 个领域、14 家数据合作方、206 项任务。
译：GDPx v1.0，「在最有价值的领域衡量前沿模型能力」，11 个领域、14 家合作方、206 项任务。
GDPx 官网首页截图（来源：gdpx.semianalysis.com，2026-11-02）
这里的「智能体」，指的是能自己打开文件、调用工具、连续干几个小时活的 AI，而不是一问一答的聊天机器人。GDPx 给每道题搭了一个模拟工作现场。按 SemiAnalysis 长文的介绍，金融题是一笔真实私募并购交易改出来的数据室，约 4000 份脱敏文件，模型要像分析师一样先翻资料再交表；硬件设计题要在 SolidWorks、Siemens NX 这类工业软件里改图；网络安全题建立在合作方自己发现、尚未公开的漏洞上。
每道题默认时限 8 小时。总分取三次尝试的平均，11 个领域等权。模型尽量放在各家自己的工具里跑，比如 Opus 5.5 用 Claude Code、GPT-6 Astra 用 Codex，没有自家工具的统一用开源的 OpenCode。
译：作者认为，AI 收入的第一个万亿美元会集中在能高回报使用前沿模型的行业，而不是均匀分散到整个经济，所以测评只挑芯片设计、网络安全、生物、金融、法律、量化交易、AI 自我改进、硬件设计、材料科学、对齐、软件工程 11 个领域，有意不测政府、房地产和保险。
SemiAnalysis 通讯长文截图（来源：newsletter.semianalysis.com，2026-11-02）
02 12% 是怎么来的
排行榜上 13 个模型，前三是 Claude Opus 5.5（12.0%）、Gemini 4 Carbon（10.9%）、GPT-6 Astra（9.6%）；开源模型里 DeepSeek 4.1 Flash 得 5.4%，智谱 GLM 5.3 得 2.7%。
根据 GDPx 官网排行榜数字自制（来源：gdpx.semianalysis.com，2026-11-02）
12% 不等于「只做对了 12% 的题」。GDPx 的评分按领域不同，有的是全对才给分，有的是按完成度给部分分。金融和法律两个领域，原本设计为全对才得分，结果所有模型都是 0，SemiAnalysis 只好改报部分得分的平均值。
长文里举的例子比总分更具体。一道法律题要求替领投方修改 B 轮融资的公司章程，4 个模型跑了 20 次，没有一份修订稿能用；有 20 次全都没防住公司通过子公司绕开保护条款。一道质量盈利（QoE，并购前核实目标公司真实利润的报告）题跑了 25 次，没有一次全部通过，最好的一次过了 11 项检查中的 8 项。
03 没说清的部分
SemiAnalysis 自己承认了几处局限。Opus 5.5 和 GPT-6 Astra 的总分被各自的安全过滤机制拉低，在网络安全、生物和对齐三个领域时常拒绝执行，因此另出了一张剔除这三个领域的榜单。Gemini 4 Carbon 目前还没有全面开放。
还有几点长文没有回避，但读者需要知道。出题的 14 家合作方，多数本身就是向大模型公司出售训练和评测数据的公司；大部分题目不公开，外界无法逐题核对。各模型在不同工具里运行，海外数据科学媒体 Let's Data Science 引用评论指出，这更像是「产品组合」之间的比较，而不是在相同条件下比模型本身。据 AI Primer 汇总，也有人对金融题的检查项和交易模拟器的撤单延迟设置提出了质疑。
SemiAnalysis 说，GDPx 每 3 到 6 个月更新一版。
04 同一天的另一组数字
The Register 11 月 2 日报道，SUSE 向约 1900 名员工发出内部信，宣布全球裁员约 10%。CEO Dirk-Peter van Leeuwen 在信中写道，自动化和 AI 正在从根本上改变软件公司的运作方式，「部分现有岗位的需求已大幅减少」，其他岗位会在未来几年里变化。
译：SUSE 将裁减约一成员工。CEO 在致约 1900 名员工的邮件中确认全球裁员约 10%；公司被瑞典私募 EQT 收购后重新审视了战略、能力和团队结构，2027 财年战略将在 11 月 16 日向全员公布；信中称 AI 能力在指数级提升，现有的组织设计和成本结构无法支撑公司继续往前走。
The Register 报道页面截图（来源：theregister.com，2026-11-02）
信里没有列出具体被裁的岗位。据 The Register 报道，受影响的员工会在 11 月 4 日前收到通知。同一天，据 Business Insider 报道，建站软件公司 Squarespace 的 CEO Anthony Casalena 宣布裁员 19%、约 300 人，多数在产品和工程团队，理由是要「更小的团队」和更简化的组织结构。
根据 The Register、Business Insider、Staffing Industry Analysts 11 月 2 日报道数字自制
把两条新闻放在一起看：一边是测评机构说，在它挑出的 11 个高价值领域，最强的智能体在接近真实的工作环境里只拿到 12% 的总分；另一边是公司在裁员信里写，AI 已经让一部分岗位不再需要。两者并不矛盾。GDPx 测的是最难的专家级任务，SUSE 说的是工具改变了日常流程、汇报层级变扁。但它说明，「AI 能替代多少工作」在测评数据和企业决策里，用的是两把不同的尺子。人力咨询公司 LHH 同日公布的调查显示，72% 的美国企业负责人预计本单位未来 12 个月会裁员，CEO 群体中这一比例为 80%。
编辑短评
GDPx 的价值在于把「AI 能干专家活」拆成了可以逐项检查的任务，它的局限也在这里：题目由卖数据的公司出，大部分不公开。SUSE 的裁员信则只给了方向，没有给数据。
下一个节点是 11 月 16 日，SUSE 将向留下的员工公布 2027 财年战略，届时能看到哪些岗位被它划进了「需求大幅减少」。
参考资料
- SemiAnalysis：GDPx: Measuring Frontier Model Capabilities Across the Most Valuable Domains，2026-11-02，https://newsletter.semianalysis.com/p/gdpx-measuring-frontier-model-capabilities
- GDPx 官网排行榜，https://gdpx.semianalysis.com/
- The Register：SUSE to cut one in ten employees because of... AI，2026-11-02，https://www.theregister.com/software/2026/11/02/suse-to-cut-one-in-ten-employees-because-of-ai/5306950
- Business Insider：Read the Memo From Squarespace's CEO About Laying Off 19% of Staff，2026-11-02，https://www.businessinsider.com/squarespace-layoffs-read-ceo-memo-severance-details-2026-11
- Staffing Industry Analysts：72% of US business leaders foresee layoffs in next year，2026-11-02，https://www.staffingindustry.com/news/global-daily-news/72-of-us-business-leaders-foresee-layoffs-in-next-year
- Let's Data Science：SemiAnalysis Gave Agents 206 Expert Tasks. Claude Opus 5.5 Won With 12%，2026-11-02，https://letsdatascience.com/blog/semianalysis-gdpx-206-expert-tasks-claude-opus-5-5-won-12
