GDPx, der neue Test von SemiAnalysis: Selbst Spitzenreiter Claude Opus 5.5 erreicht nur 12 Prozent
Das Analysehaus SemiAnalysis hat am 2. November GDPx veröffentlicht, einen Benchmark mit 206 Agenten-Aufgaben in elf hochrelevanten Branchen (Chipdesign, Cybersicherheit, Biologie, Finanzen, Recht…). Claude Opus 5.5 führt das Feld mit 12,0 an, vor Gemini 4 Carbon (10,9) und GPT-6 Astra (9,6). Die Sicherheitsfilter der Modelle beeinflussen das Ranking spürbar.
Das Analysehaus SemiAnalysis hat am 2. November 2026 GDPx vorgestellt, einen Benchmark für KI-Agenten, der als Nachfolger von OpenAIs im September 2025 erschienenem GDPval positioniert wird. Das Fazit der Version 1.0: Kein Modell kommt über 12 Prozent hinaus. Claude Opus 5.5 belegt mit 12,0 Punkten den ersten Platz, vor Gemini 4 Carbon (10,9) und GPT-6 Astra (9,6).
206 Aufgaben in Berufsfeldern, in denen sich KI rechnen muss
GDPx umfasst 206 Aufgaben in elf Domänen, die bewusst ausgewählt wurden: Laut SemiAnalysis werden die ersten massiven KI-Umsätze aus Sektoren stammen, die hochentwickelte KI mit einem hohen Return on Investment einsetzen können: Chipdesign, Cybersicherheit, Biologie, Finanzen, Recht, quantitativer Handel, rekursive Selbstverbesserung, Hardware-Design, Materialwissenschaft, Alignment und Softwaretechnik. Verwaltung, Immobilien oder Versicherungen wurden gezielt ausgeklammert.
Der Unterschied zu GDPval liegt in den Umgebungen. Statt einer detaillierten Aufgabenstellung und einer angehängten Datei versetzt jede Aufgabe den Agenten in eine simulierte Arbeitswelt: ein Datenraum für Firmenübernahmen mit rund 4.000 Dateien im Finanzbereich, laufende IT-Systeme mit neuartigen Schwachstellen in der Cybersicherheit oder geöffnete CAD-Sitzungen im Hardware-Design. Die Aufgaben wurden von 14 spezialisierten Unternehmen bereitgestellt, die Trainingsumgebungen für KI-Labore entwickeln. Jedes Modell hat bis zu 8 Stunden pro Aufgabe zur Verfügung – in seiner nativen Umgebung, falls vorhanden (Claude Code, Codex, Antigravity) –, und als Wert gilt der Erfolg beim ersten Versuch (pass@1), gemittelt über drei Durchläufe, mit gleicher Gewichtung für alle Bereiche.
Ein je nach Fachgebiet sehr ungleiches Ranking
| Modell | GDPx-Score |
|---|---|
| Claude Opus 5.5 | 12,0 |
| Gemini 4 Carbon | 10,9 |
| GPT-6 Astra | 9,6 |
| Muse Wonder Full | 9,0 |
| Claude Fable 5.1 | 8,5 |
| GPT 6.1 Sol | 8,4 |
| Claude Sonnet 5.5 | 8,2 |
| Gemini 4 Argon | 7,3 |
| Grok 4.7 | 3,9 |
| GLM 5.3 | 2,7 |
Auszug aus der Gesamtrangliste auf der GDPx-Website, Stand 2. November 2026.
Hinter dem Durchschnitt zeigen sich stark spezialisierte Profile. Laut SemiAnalysis siegt Opus 5.5 im quantitativen Handel, im Hardware-Design und im Chipdesign; Gemini 4 Carbon in der Biologie und knapp in der Softwaretechnik; GPT-6 Astra bei der rekursiven Selbstverbesserung und in der Materialwissenschaft. In den Bereichen Finanzen und Recht sind die Aufgaben so anspruchsvoll, dass fast alle Modelle bei der vorgesehenen binären Bewertung null Punkte erzielen: Daher weist die Rangliste hier Teilpunkte aus.
Sicherheitsfilter verzerren das Bild
SemiAnalysis hebt hervor, dass die Ergebnisse von Opus 5.5 und GPT-6 Astra durch ihre Sicherheitsklassifikatoren beeinträchtigt werden, die in den Bereichen Cybersicherheit, Biologie und Alignment teils fälschlicherweise ansprechen. Das Analysehaus veröffentlicht daher ein zweites Ranking ohne diese drei Domänen. Zudem sieht es Muse Wonder Full derzeit als das beste verfügbare Modell in der Cybersicherheit an und führt den Erfolg von Gemini 4 Carbon in der Biologie auf vermutlich weniger restriktive Filter zurück. Gemini 4 Carbon, das Ende Oktober mit zunächst eingeschränktem Zugang angekündigt wurde, ist noch nicht für alle Nutzer freigeschaltet.
Unsere Einschätzung
GDPx hat den Vorzug, genau das zu messen, worum es Unternehmen in der Praxis geht: Ein Agent muss sich zunächst in einer realistischen Umgebung orientieren und Informationen beschaffen, bevor er ein Arbeitsergebnis liefert. Werte um die 10 Prozent verdeutlichen jedoch, dass echte Autonomie bei mehrstündigen Expertenaufgaben noch in weiter Ferne liegt. Zwei Einschränkungen bleiben bestehen: Die Aufgaben sind weitgehend vertraulich und stammen von kommerziellen Datenzulieferern der KI-Labore, und die Resultate wurden bisher nicht unabhängig verifiziert. Die wichtigste Erkenntnis für Anwender liegt ohnehin woanders: Wenn Sicherheitsfilter in manchen Branchen wertvolle Punkte kosten, hängt das „beste Modell“ oft genauso stark von den Moderationsregeln des jeweiligen Anbieters ab wie von den eigentlichen Modellfähigkeiten.
Quellen
- GDPx — offizielle Website und Rangliste (SemiAnalysis) Primärquelle
- SemiAnalysis — GDPx: Measuring Frontier Model Capabilities Across the Most Valuable Domains (2. November 2026) Primärquelle
Eine Primärquelle stammt direkt von dem betreffenden Unternehmen, Labor oder der Organisation. Eine Sekundärquelle gibt die Information wieder, ohne ihr Urheber zu sein: Wir kennzeichnen sie als solche. Einen Fehler entdeckt? Lesen Sie unsere Korrekturrichtlinie.
