SemiAnalysis ได้เปิดตัว GDPx ซึ่งเป็นเกณฑ์มาตรฐาน (Benchmark) ใหม่ที่ออกแบบมาเพื่อวัดความสามารถของ AI ในรูปแบบ Agentic โดยเฉพาะ โดยเกณฑ์ดังกล่าวจะทำการประเมินประสิทธิภาพของ AI ผ่านโดเมนการทำงานที่หลากหลายถึง 11 ด้าน
การประเมินผลของ GDPx ครอบคลุมสาขาที่มีความซับซ้อนและต้องการทักษะเฉพาะทางสูง เช่น การออกแบบชิป (Chip Design), ความปลอดภัยทางไซเบอร์ (Cybersecurity) และ RSI ซึ่งเป็นตัวชี้วัดสำคัญในการทดสอบขีดความสามารถของโมเดล AI ในการจัดการงานที่ต้องใช้การตัดสินใจและขั้นตอนที่ซับซ้อน
ทำไมเรื่องนี้จึงสำคัญ
การมีเกณฑ์มาตรฐานอย่าง GDPx มีความสําคัญต่อทั้งนักพัฒนาและองค์กรที่ต้องการนํา AI ไปใช้ในงานเฉพาะทางที่มีความเสี่ยงสูง เช่น การออกแบบฮาร์ดแวร์หรือการรักษาความปลอดภัยทางไซเบอร์ เนื่องจากช่วยให้เห็นภาพชัดเจนว่าโมเดล AI มีความสามารถในการทํางานจริงได้มากน้อยเพียงใด แทนที่จะวัดเพียงความฉลาดทางภาษาทั่วไป
มุมมอง Agent2Day
คะแนน 12% ของ Opus 5.5 ในเกณฑ์ GDPx เป็นเครื่องเตือนใจว่า แม้ AI จะก้าวหน้าไปมาก แต่ในงานระดับผู้เชี่ยวชาญที่ต้องการความแม่นยําสูง AI ยังคงมีช่องว่างขนาดใหญ่ที่ต้องพัฒนาอีกมากก่อนจะสามารถทํางานแทนมนุษย์ในโดเมนที่ซับซ้อนได้อย่างสมบูรณ์
จากการทดสอบล่าสุดภายใต้เกณฑ์มาตรฐานนี้ โมเดล Opus 5.5 สามารถทำคะแนนได้สูงสุดที่ 12% ซึ่งสะท้อนให้เห็นถึงระดับความสามารถในปัจจุบันของโมเดล AI เมื่อต้องเผชิญกับโจทย์ที่ท้าทายในโดเมนเหล่านี้
การพัฒนา GDPx ของ SemiAnalysis ถือเป็นความพยายามในการสร้างมาตรฐานกลางเพื่อวัดผลการทำงานของ AI ในเชิงปฏิบัติการ (Agentic Capability) ซึ่งแตกต่างจากการวัดผลด้วยข้อสอบทั่วไป โดยมุ่งเน้นไปที่ความสามารถในการลงมือทำภารกิจในโลกแห่งความเป็นจริงให้สำเร็จ
