OpenAI发布GDPval测试 GPT-5与Claude Opus 4.1接近行业专家水平

    

    
    

导读目录

    

    

• 事件概述


    

• GDPval测试介绍


    

• AI模型表现对比


    

• 测试范围与局限性


    

• 专家评论与解读


    

• 编辑总结


    

• 常见问题解答


    

    

事件概述

    

根据 www.Todayusstock.com 报道，当地时间周四（9月25日），OpenAI发布了名为GDPval的新基准测试，用于比较其AI模型与各行业专业人士在经济价值工作上的表现。此次测试是OpenAI评估通用人工智能(AGI)能力的重要尝试，旨在衡量AI系统距离在经济价值岗位超越人类的程度。

    

GDPval测试介绍

    

GDPval基于美国GDP贡献最大的九个行业，涵盖医疗、金融、制造业和政府等领域，涉及44种职业，从软件工程师到护士，再到记者。测试通过邀请资深专业人士对比AI生成报告与人类报告，选出更优成果，以此评估AI在实际工作任务中的表现。

    

在首个版本GDPval-v0中，专业人士需要对比AI生成的报告与行业专家成果，并计算AI在全部44个职业中胜出的平均比例。

    

AI模型表现对比

    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    

模型	胜出或持平行业专家比例	说明
GPT-5-high	40.6%	高算力版本GPT-5，接近行业专家水平
Claude Opus 4.1	49%	得分略高，部分因生成更美观图表

    

OpenAI指出，Claude Opus 4.1得分较高主要原因在于其倾向于生成更易读和美观的图表，而非在核心分析性能上完全优于GPT-5。

    

测试范围与局限性

    

需要说明的是，GDPval-v0仅测试了提交研究报告的能力，而大多数职业的实际工作远不止这一部分。OpenAI承认测试覆盖有限，并计划未来开发更全面的测试体系，包括更多行业和交互式工作流程，以更准确衡量AI对经济价值岗位的潜在影响。

    

专家评论与解读

    

OpenAI首席经济学家Aaron Chatterji表示，GDPval测试表明AI模型能够节省人类在某些任务上的时间，使其专注于更有价值的工作。他指出：“随着模型能力提升，人们可以把部分工作交给模型，去完成潜在更高价值的任务。”

    

OpenAI评估负责人Tejal Patwardhan指出，约15个月前发布的GPT-4o模型得分仅为13.7%，而GPT-5成绩几乎提高三倍，显示AI能力正快速接近行业专家水平，并预计这一趋势将继续。

    

编辑总结

    

OpenAI通过GDPval基准测试对AI在经济价值工作中的能力进行量化评估。结果显示，GPT-5和Claude Opus 4.1在多个职业中已接近或持平行业专家水平，尤其在生成分析报告方面展现出显著潜力。虽然测试覆盖有限，但其进展表明AI在未来可能成为人类工作的重要辅助工具，提高效率和生产力。投资者和企业应关注AI在特定岗位和任务中的实际应用能力，而非短期完全替代的预测。

    

常见问题解答

    

    

问1：GDPval测试的主要目的是什么？答：GDPval旨在评估AI模型在经济价值岗位上的表现，衡量其是否能达到或超越行业专业人士的水平，是OpenAI开发AGI的重要参考。

    

    

    

问2：GPT-5和Claude Opus 4.1的表现差异是什么？答：GPT-5-high在44种职业任务中胜出或持平比例为40.6%，Claude Opus 4.1为49%。Claude得分略高主要因生成更美观图表，而非核心分析能力显著优于GPT-5。

    

    

    

问3：GDPval测试涵盖哪些行业和职业？答：测试基于美国GDP贡献最大的九个行业，包括医疗、金融、制造业、政府等，共涵盖44种职业，从软件工程师到护士及记者。

    

    

    

问4：GDPval测试是否能代表AI取代人类工作？答：不能。当前测试仅覆盖部分任务，如报告生成，无法全面衡量职业工作全流程。AI更多是作为辅助工具，节省人类时间，提高效率。

    

    

    

问5：AI能力提升对工作效率的意义是什么？答：AI可承担重复或标准化任务，使人类专注于更有价值的工作，从而提高整体生产力。随着能力提升，AI可覆盖更多复杂任务，为企业和经济创造潜在更高价值。