GDPx, il nuovo test di SemiAnalysis: persino Claude Opus 5.5, primo, si ferma al 12%
La società di analisi SemiAnalysis ha pubblicato il 2 novembre GDPx, un benchmark di 206 compiti per agenti in 11 settori ad alto valore aggiunto (progettazione di chip, cybersicurezza, biologia, finanza, diritto...). Claude Opus 5.5 conquista la vetta con un punteggio di 12,0, davanti a Gemini 4 Carbon (10,9) e GPT-6 Astra (9,6). I filtri di sicurezza dei modelli condizionano pesantemente la classifica.
La società di analisi SemiAnalysis ha pubblicato il 2 novembre 2026 GDPx, un benchmark per agenti IA pensato come successore di GDPval, il test di OpenAI rilasciato a settembre 2025. Il verdetto della versione 1.0: nessun modello supera il 12%. Claude Opus 5.5 si classifica al primo posto con 12,0, davanti a Gemini 4 Carbon (10,9) e GPT-6 Astra (9,6).
206 compiti nelle professioni in cui l’IA deve monetizzare
GDPx conta 206 compiti in 11 settori selezionati perché, secondo SemiAnalysis, i primi ricavi su larga scala dell’IA deriveranno dai comparti capaci di impiegare l’IA più avanzata con un elevato ritorno sull’investimento: progettazione di chip, cybersicurezza, biologia, finanza, diritto, trading quantitativo, auto-miglioramento ricorsivo, progettazione hardware, scienza dei materiali, allineamento e ingegneria del software. Settori come pubblica amministrazione, immobiliare o assicurazioni sono stati volutamente esclusi.
La differenza rispetto a GDPval risiede negli ambienti. Anziché limitarsi a una consegna dettagliata con un file allegato, ogni compito cala l’agente in un mondo simulato: una data room per acquisizioni aziendali con circa 4.000 file in finanza, infrastrutture IT attive costruite attorno a vulnerabilità inedite in cybersicurezza, sessioni di software CAD nella progettazione hardware. I compiti sono stati forniti da 14 aziende specializzate che realizzano ambienti di addestramento per i laboratori. Ciascun modello ha a disposizione fino a 8 ore per compito, nel proprio ambiente nativo quando disponibile (Claude Code, Codex, Antigravity), e il punteggio considerato è il successo al primo tentativo, calcolato come media su tre prove, assegnando pari peso a ogni settore.
Una classifica molto disomogenea a seconda dei settori
| Modello | Punteggio GDPx |
|---|---|
| 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 |
Estratto della classifica generale pubblicata sul sito di GDPx, consultato il 2 novembre 2026.
Dietro la media complessiva, i profili risultano estremamente specialistici. Secondo SemiAnalysis, Opus 5.5 vince nel trading quantitativo, nella progettazione hardware e nella progettazione di chip; Gemini 4 Carbon in biologia e, con un margine ridotto, nell’ingegneria del software; GPT-6 Astra nell’auto-miglioramento ricorsivo e nella scienza dei materiali. In finanza e nel diritto, le prove sono talmente complesse che quasi tutti i modelli ottengono zero con il sistema di punteggio binario previsto: la classifica ricorre quindi a un punteggio parziale per queste aree.
I filtri di sicurezza alterano i risultati
SemiAnalysis evidenzia che i punteggi di Opus 5.5 e GPT-6 Astra sono penalizzati dai loro classificatori di sicurezza, che scattano talvolta negli ambiti di cybersicurezza, biologia e allineamento. La società di analisi pubblica perciò una seconda classifica priva di questi tre settori. Ritiene inoltre che Muse Wonder Full sia attualmente il miglior modello disponibile per la cybersicurezza, attribuendo il successo di Gemini 4 Carbon in biologia con ogni probabilità a filtri meno restrittivi. Gemini 4 Carbon, annunciato a fine ottobre con accesso inizialmente limitato, non è ancora accessibile al pubblico.
La nostra lettura
GDPx ha il merito di misurare ciò che le aziende acquistano realmente: un agente che deve prima individuare le informazioni all’interno di un ambiente realistico e poi produrre un risultato operativo. Punteggi attorno al 10% ricordano che l’autonomia su compiti specialistici della durata di diverse ore resta ancora un miraggio. Due riserve sono d’obbligo: le prove sono in gran parte private e fornite da fornitori di dati per i laboratori, e i risultati non sono stati replicati in modo indipendente. L’elemento più rilevante per chi acquista risiede altrove: con filtri di sicurezza che costano punti preziosi in determinati ambiti, il «miglior modello» dipende tanto dalla politica di moderazione del suo sviluppatore quanto dalle sue capacità grezze.
Fonti
- GDPx — sito ufficiale e classifica (SemiAnalysis) Fonte primaria
- SemiAnalysis — GDPx: Measuring Frontier Model Capabilities Across the Most Valuable Domains (2 novembre 2026) Fonte primaria
Una fonte primaria proviene direttamente dall'azienda, dal laboratorio o dall'ente interessato. Una fonte secondaria riporta l'informazione senza esserne l'autrice: la segnaliamo come tale. Un errore? Consulta la nostra politica di rettifica.
