A SemiAnalysis GDPx tesztje 206, tizenegy szakterületet lefedő feladatban vizsgált MI-ügynököket valósághű szoftverkörnyezetben. A Claude Opus 5.5 12, a Gemini 4 Carbon 10,9, a GPT-6 Astra 9,6 százalékot ért el; pénzügyi és jogi feladatot egyik modell sem oldott meg teljesen. A módszertant kritikák