GDPx, o novo teste da SemiAnalysis: até o Claude Opus 5.5, em primeiro, atinge apenas 12%
A consultoria SemiAnalysis publicou em 2 de novembro o GDPx, um benchmark de 206 tarefas de agentes em 11 áreas de alto valor (design de chips, cibersegurança, biologia, finanças, direito...). O Claude Opus 5.5 lidera com 12,0, à frente do Gemini 4 Carbon (10,9) e do GPT-6 Astra (9,6). Os filtros de segurança dos modelos pesam sobre a classificação.
A consultoria de análise SemiAnalysis publicou em 2 de novembro de 2026 o GDPx, um benchmark para agentes de IA que pretende ser o sucessor do GDPval, o teste da OpenAI lançado em setembro de 2025. Veredito da versão 1.0: nenhum modelo ultrapassa 12%. O Claude Opus 5.5 fica em primeiro com 12,0, à frente do Gemini 4 Carbon (10,9) e do GPT-6 Astra (9,6).
206 tarefas nas profissões em que a IA precisa dar retorno
O GDPx conta com 206 tarefas em 11 áreas escolhidas porque, segundo a SemiAnalysis, as primeiras receitas massivas da IA virão dos setores capazes de usar a IA mais avançada com um alto retorno sobre o investimento: design de chips, cibersegurança, biologia, finanças, direito, trading quantitativo, autoaperfeiçoamento recursivo, design de hardware, ciência dos materiais, alinhamento e engenharia de software. Administração, setor imobiliário ou seguros foram deixados de fora propositalmente.
A diferença em relação ao GDPval está nos ambientes. Em vez de um enunciado detalhado e um arquivo anexo, cada tarefa coloca o agente em um mundo simulado: uma sala de dados de aquisição de empresas com cerca de 4.000 arquivos em finanças, serviços de TI em operação construídos em torno de falhas inéditas em cibersegurança, sessões de softwares de CAD em design de hardware. As tarefas foram fornecidas por 14 empresas especializadas que desenvolvem ambientes de treinamento para laboratórios. Cada modelo tem até 8 horas por tarefa, em seu ambiente nativo quando ele existe (Claude Code, Codex, Antigravity), e a pontuação considerada é o sucesso na primeira tentativa, com média calculada sobre três tentativas e o mesmo peso para cada área.
Uma classificação muito desigual segundo as áreas
| Modelo | Pontuação 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 |
Trecho da classificação geral publicada no site do GDPx, consultado em 2 de novembro de 2026.
Por trás da média, os perfis são bastante específicos. Segundo a SemiAnalysis, o Opus 5.5 vence em trading quantitativo, design de hardware e design de chips; o Gemini 4 Carbon em biologia e, por pouco, em engenharia de software; o GPT-6 Astra em autoaperfeiçoamento recursivo e ciência dos materiais. Em finanças e em direito, as tarefas são tão difíceis que quase todos os modelos tiram zero com a pontuação binária prevista: por isso, a classificação exibe uma pontuação parcial nesses casos.
Filtros de segurança distorcem o cenário
A SemiAnalysis destaca que as pontuações do Opus 5.5 e do GPT-6 Astra são penalizadas por seus classificadores de segurança, que às vezes são acionados em cibersegurança, biologia e alinhamento. A consultoria publica, portanto, uma segunda classificação sem essas três áreas. Ela também avalia que o Muse Wonder Full é hoje o melhor modelo disponível em cibersegurança, e atribui a vitória do Gemini 4 Carbon em biologia provavelmente a filtros menos rígidos. O Gemini 4 Carbon, anunciado no fim de outubro com acesso inicialmente restrito, ainda não está acessível a todos.
Nossa leitura
O GDPx tem o mérito de medir o que as empresas realmente compram: um agente que precisa primeiro encontrar a informação em um ambiente realista antes de produzir uma entrega. Pontuações em torno de 10% lembram que a autonomia em tarefas especializadas de várias horas ainda está distante. Duas ressalvas se impõem: as tarefas são majoritariamente privadas e fornecidas por vendedores de dados aos laboratórios, e os resultados não foram reproduzidos. O ponto mais útil para quem compra está em outro lugar: com filtros de segurança que custam pontos em certas áreas, o “melhor modelo” depende tanto da política de moderação de sua desenvolvedora quanto de suas capacidades brutas.
Fontes
- GDPx — site oficial e classificação (SemiAnalysis) Fonte primária
- SemiAnalysis — GDPx: Measuring Frontier Model Capabilities Across the Most Valuable Domains (2 de novembro de 2026) Fonte primária
Uma fonte primária vem diretamente da empresa, do laboratório ou da organização envolvida. Uma fonte secundária relata a informação sem ser a sua autora: nós a sinalizamos como tal. Encontrou um erro? Consulte nossa política de correções.
