當?shù)貢r間周四（9月25日） ，人工智能（AI）研究公司OpenAI發(fā)布了一項新的基準測試
，用于比較其AI模型與各行業(yè)專業(yè)人士的工作表現(xiàn)。

　　這項測試名為GDPval，是一次初步嘗試 ，旨在評估OpenAI的系統(tǒng)距離在經(jīng)濟價值工作上超越人類有多近 。而經(jīng)濟價值工作是OpenAI開發(fā)通用人工智能（AGI）的關鍵環(huán)節(jié)
。

　　OpenAI周四表示
，其GPT-5模型以及競爭對手Anthropic公司的Claude Opus 4.1“已經(jīng)接近行業(yè)專家的工作質量”。

　　這并不意味著OpenAI的模型會立刻取代人類工作 。盡管一些CEO預測AI在幾年內就會取代人類，但OpenAI承認GDPval目前只涵蓋人們實際工作中有限的一部分任務
。不過 ，這是該公司用來衡量AI向這一里程碑邁進的最新方式之一。

　　GDPval基于美國GDP貢獻最大的九個行業(yè)
，包括醫(yī)療、金融 、制造業(yè)和政府等領域 。測試覆蓋了44種職業(yè)，從軟件工程師到護士再到記者
。

　　在首個版本GDPval-v0中 ，OpenAI邀請資深專業(yè)人士對比AI生成的報告與其他專業(yè)人士的成果，并挑選出更優(yōu)者。

　　例如
，某項任務要求投行人員為“最后一公里配送行業(yè) ”制作競爭格局分析，并與AI生成的報告進行對比 。OpenAI隨后將AI模型在全部44個職業(yè)中對抗人類報告的“勝率
”進行平均計算。

　　結果顯示 ，GPT-5-high（高算力版本GPT-5）在40.6%的情況下被評為優(yōu)于或與行業(yè)專家持平
。

　　而Anthropic的Claude Opus 4.1模型則在49%的任務中被評為不輸于行業(yè)專家
，這一表現(xiàn)超過了OpenAI的模型。

　　OpenAI對此解釋稱，之所以Claude得分更高 ，部分原因是其傾向于生成更美觀的圖表
，而非純粹性能更優(yōu) 。

　　需要說明的是，大多數(shù)職業(yè)的工作遠不止提交研究報告 ，而這卻是GDPval-v0所測試的全部內容
。OpenAI承認這一點
，并計劃在未來開發(fā)更全面的測試，涵蓋更多行業(yè)和交互式工作流程。

　　盡管如此 ，OpenAI仍認為GDPval的進展具有重要意義 。

　　OpenAI首席經(jīng)濟學家Aaron Chatterji在接受采訪時表示
，GDPval的測試結果表明，這些崗位上的人們可以利用AI模型節(jié)省時間 ，從而專注于更有意義的工作
。

　　“因為模型在某些事情上已經(jīng)變得很擅長，隨著能力的提升
，人們可以越來越多地把部分工作交給模型，去做潛在更有價值的事情 ，”Chatterji說。

　　OpenAI評估負責人Tejal Patwardhan表示
，她對GDPval的進步速度感到鼓舞 。

　　Patwardhan指出，約15個月前發(fā)布的GPT-4o模型得分僅為13.7%（勝出或持平人類） ，而GPT-5的成績幾乎提高了三倍
。她預計這一趨勢還會繼續(xù)。