ከእውነተኛ፣ የሚከፈልባቸው የባለሙያዎች ሥራዎች የተሰራ አዲስ ቤንችማርክ ሃያ የፊት መሥመር AI ሞዴሎችን ገምግሟል፣ እና ከእነዚህም ውስጥ ምርጡ 12 በመቶ አግኝቷል።
የAI ወኪል ንግድዎ ለባለሙያዎች የሚከፍለውን ሥራ ማከናወን ይችላል? ለዚያ ክህሎት ታማኝ የነጥብ ሰሌዳ እንዴት ይመስላል? እና ከመፈረምዎ በፊት አቅራቢውን ምን መጠየቅ አለብዎ?
በሲድኒ ከአነስተኛ፣ መካከለኛ እና ትላልቅ ድርጅቶች ጋር የምሠራ የግል AI ሞዴል ገንቢ እና የAI ደህንነት አማካሪ እንደመሆኔ፣ እነዚህ ጥያቄዎች በየሳምንቱ ይጠየቁኛል። መልሶቹ ለበጀት፣ ለሰራተኞች እና ለስጋት አስፈላጊ ናቸው።
ይህ ጽሑፍ የGDPx ቤንችማርክ ምን እንደለካ፣ ቁጥሮቹ ምን እንደሚያረጋግጡ እና ምን እንደማያረጋግጡ፣ እና በዚህ ሩብ ዓመት የAI ወኪሎችን ለሚገመግም ማንኛውም መሪ ያሉትን ተግባራዊ ትምህርቶች ይገልጻል።
በዚህ ሳምንት የምርምር ተቋሙ SemiAnalysis GDPx የሚለውን ቤንችማርክ አትሟታል። ሰዎች በእነዚህ ስራዎች ስለሚተዳደሩ የተመረጡ 206 ተግባራት በ11 ዘርፎች የሚያካትት ነው፡ የቺፕ ዲዛይን፣ ሳይበር ደህንነት፣ የህግ ሥራ፣ ቁጥራዊ ንግድ፣ ሥነ ሕይወት፣ የሶፍትዌር ምህንድስና እና ሌሎችም።
አሥራ አራት የኢንዱስትሪ አጋሮች ተግባራቱን አቅርበዋል፣ እና ሃያ የፊት መሥመር ሞዴሎች ገምግመዋል። ይህ ቤንችማርክ የሚታወቀው በችግኝነቱ ሳይሆን በምንጭ ቁሳቁሱ ነው፡ ሰዎች ደምወዝ የሚከፈልባቸው ሥራዎች።
መሪው Claude Opus 5.5 12 በመቶ ብቻ አግኝቷል። Gemini 4 Carbon 10.9 አግኝቷል። GPT-6 Astra 9.6 አግኝቷል።
ግን የነጥብ ሰሌዳ ጅማሬ ነው፣ ፍርድ አይደለም። እነዚህ ቁጥሮች የአንድ ተቋም ተግባራትን በዚያው ተቋም የግምገማ መመዘኛ ይለካሉ፣ እና የሚገልጹት የዛሬዎቹን ሞዴሎች ነው፣ የሚቀጥለውን አመት አይደለም።
GDPx ፍጹም አይደለም። የአንድ ተቋም ተግባራትን እና የአንድ ተቋም የግምገማ መመዘኛን ይጠቀማል፣ ገና ራስ-ሰር ማረጋገጫ የለም፣ እና ያ ተቋም ለሚገመግመው ኢንዱስትሪ ምርምር ይሸጣል።
ትምህርቱ ቁጥሩን በጥንቃቄ መያዝ ነው። ግን አቅጣጫው ትክክል ነው፣ ምክንያቱም ሞዴሎችን በሚያስደንቅ ትንንሽ ነገሮች ሳይሆን በሚከፍል ሥራ ላይ ስለሚለካ።
መሪው በአማካኝ በእያንዳንዱ ተጠናቅቆ በሚለያይ ተግባር ላይ ወደ 51 ዶላር አውጥቷል። ሁለተኛው ደረጃ ባለው ከአንድ ነጥብ በሚራቅ ውጤት ላይ በአማካኝ ወደ 16 ዶላር ብቻ አውጥቷል።
የእርስዎ የወኪል ስልት አቅም እና ወጪ አብረው እንደሚንቀሳቀሱ ካሰበ፣ ይህ ሰንጠረዥ እንዳልሆነ ይናገራል። ወደ ውጤት የሚወስደው ርካሹ መንገድ አሁን እንደ ውጤቱ ራሱ ስልታዊ ነው፣ እና ያ ትንተና በግዢ ክፍል ሊሆን ይገባል፣ በግብይት ገጽ ላይ አይደለም።
በዚህ ሩብ ዓመት የሚያያቸው ማሳያዎች ሁሉ ለባለሙያዎች ሥራ ዝግጁ እንደሆኑ ይናገራሉ። አንድ ሕዝባዊ፣ ስም ያለው ቤንችማርክ ወሰኑን በ12 በመቶ ላይ አኖረ።
ይህ ወኪሎችን ዋጋ የሌላቸው አያደርጋቸውም። የዛሬው ታማኝ የሚተገበር አካባቢ በሰው ግምገማ የታገዙ ጠባብ እና በደንብ የሚለኩ ተግባራት መሆኑን ማለት ነው፤ በመድረክ ላይ የሚሸጡ ራስ-ሰር ክፍሎች አይደሉም።
በመጀመሪያ፣ የማሳያ ዘመን አልቋል። አንድ ኢንዱስትሪ ስለ ነጥብ ሰሌዳዎች መከራከር ሲጀምር፣ ማሳያዎች ክርክሮችን መፍታት አቅተዋል።
ሁለተኛ፣ ወጪ እና አቅም አብረው አይንቀሳቀሱም። በእያንዳንዱ ተጠናቅቆ በሚለያይ ተግባር ላይ ያለውን ወጪ ከነጥቡ ጎን በግዢ ውስጥ ያካትቱ።
ሶስተኛ፣ እያንዳንዱን የወኪል አቀራረብ በሕዝባዊ ቁጥር ገምግመው ያንብቡ። የዛሬው ታማኝ የሚተገበር አካባቢ ጠባብ፣ በደንብ የሚለካ እና በሰው የሚገመገም ነው።
በመጨረሻ፣ በዚህ ሩብ ዓመት ለእያንዳንዱ የAI አቅራቢ አንድ ጥያቄ ይጠይቁ፡ ለእኔ ተመሳሳይ ሥራ በራስ-ሰር፣ በተግባር ላይ የተመሠረተ ቤንችማርክ ላይ ያለህን ውጤት እና በእያንዳንዱ ተጠናቅቆ በሚለያይ ተግባር ላይ ያለህን ወጪ አሳየኝ። መመለስ ካልቻሉ፣ ከማሳያው የሚበልጥ ነገር ተምረዋል።
የ12 በመቶ ወሰን ከAI ወኪሎች መራቅ ምክንያት አይደለም። በውድድር ሳይሆን በማስረጃ መግዛት ምክንያት ነው።
ሰብአዊ አይደለም ብልጠት በመድረክ ትዕይንት ሳይሆን በሚለኩ ውጤቶች ስፍራውን ያገኛል። በመጨረሻ፣ በእያንዳንዱ ተጠናቅቆ በሚለያይ ተግባር ላይ ያለው የወጪ ሂሳብ፣ በታማኝነት የተቆጠረ፣ ይህ ቴክኖሎጂ በትክክል የሚገኝበትን ቦታ ይወስናል።
SemiAnalysis, "GDPx: The General Agentic Benchmark" - https://gdpx.semianalysis.com
SemiAnalysis, የምርምር ማስታወሻዎች እና የኢንዱስትሪ ትንተናዎች - https://semianalysis.com
በሂሳብ ይመልከቱ። በብልህነት ይንቀሳቀሱ። በስትራቴጂ ይመሩ። በታማኝነት ይገንቡ። በአለም አቀፍ ይስፋፉ። በሰው ሰራሽ አስተዋዮነት እውነተኛ የንግድ ዋጋ ይፍጠሩ።
