דיווח: בנצ'מרק חדש למשימות ארוכות, GDPx, מראה שהמודלים המובילים משיגים ציון של כ-12% בלבד
לפי דיווח שעדיין לא אומת, בנצ'מרק חדש בשם GDPx, שמוצג כיורש של GDPval, בודק מודלי AI במשימות ארוכות ומורכבות. לפי הדיווח, המודלים המובילים משיגים בו ציון של כ-12% בלבד. עדיין לא פורסמו מקור רשמי, מתודולוגיה או רשימת תוצאות מלאה.