OpenAI推GDPval标准，量化AI经济贡献

OpenAI推出了一套名为GDPval的新评估体系，旨在衡量先进AI模型在真实经济工作中的实际能力，弥补传统学术测试与现实应用之间的差距。该体系覆盖美国九大关键行业的44种职业，包含1320项由资深从业者设计的具体任务，要求AI完成报告、文件、演示文稿等实用产出，更贴近真实职场需求。
首次测试显示，Claude Opus 4.1整体表现最佳，而GPT-5在专业内容的准确性方面表现更优。研究发现，当前最先进的AI完成任务的速度约为人类的100倍，成本仅为人工的1%。目前该评估体系尚未包含需要多轮反馈或深度交互的复杂任务，未来将逐步扩展测试范围，并计划开放部分数据供外部研究使用。