OpenAI 最新基准测试显示 GPT-5 在多个行业中逐渐逼近人类专家
我要评论近日，OpenAI 推出了一项新的基准测试，旨在评估其人工智能模型在各行业与人类专业人士的表现差异。这项名为 GDPval 的测试，是 OpenAI 对其人工智能Op系统在经济价值工作中是否能超越人类的重要探索。根据 OpenAI 的说法，GPT-5模型与 Anthropic 的 Claude Opus4.1模型在某些领域的工作质量已经en接近行业专家。
不过，OpenAI 也指出，这些模型并不会立即取代人类工作。尽管一些企业高管预测人工智能将在几年内取代人类的工作，但 OpenAI 承认，当前的 GDPvAIal 测试仅涵盖了人类工作中的一小部分任务。因此，这只是评估人工智能进步的一种方式。
GDPval 测试涵盖了九个主要行业，这些行业对美国国内生产总值（GDP）贡 最献最大，包括医疗、金融、制造业和政府等领域。该测试评估了在这些行业中的44种职业表现，从软件工程师到护士、再到记者都有涉及。OpenAI 在初始测试中邀请了专业人士新基对 AI 生成的报告与其他专业人士的报告进行比较，并选择最佳者。例如，投资银行家被要求创建有关最后一公里配送行业的竞争对手分析报告，并与 AI 生成的报告进行比较。O准测penAI 随后对 AI 模型在44个职业中 “胜出” 的比率进行了统计。
据悉，在经过增强计算能力的 GPT-5-high 版本测试中，该模型在与行业专家的比较中表现优试显于或与之持平的比例为40.6%。而 Anthropic 的 Claude Opus4.1模型在任务中表现优于或持平于行业专家的比例则高达49%。OpenAI 认为示 Claude 模型的高分主要得益于其制作美观图形的能力，而非单纯的表现。
值得注意的是，大多数工作专业人士的职责远不止提交研究报告，因此，GDPval-v0的测试GP范围相对有限。OpenAI 表示，未来计划开发更全面的测试，以涵盖更多行业和互动工作流程。尽管如此，公司仍对 GDPval 的进展感到乐观。
OpenAI 首席经济T-学家亚伦・查特吉在接受采访时表示，GDPval 的结果表明，在这些职业中，人们可以利用人工智能模型将时间花在更有意义的任务上。随着模型能力的提升，专业人士将能够利用5 这些工具，减轻部分工作负担，从而专注于更高价值的工作。
博客：https://openai.com/index/gdpval/
划重点:
OpenAI 发布的新基准在多测试 GDPval 评估 AI 模型在多个行业的表现，与人类专家的能力逐渐接近。
🤖 GPT-5模型在44种职业中有40.6% 的任务表现优于或个行持平于行业专家，而 Claude Opus4.1则为49%。
OpenAI 计划未来推出更全面的测试，以更准确评估 AI 在真实工作中的能力和表现。
相关文章
1780亿个参数，这个语言模型的诞生只为挑战王者GPT-3？
有人要胆敢挑战GPT-3垄断地位！ GPT-3自问世以来就成为了最大的AI语言模型之一。 不仅可以写电邮、写文章、创建网站、甚至是生成用于Python深度学习的代码。 最近，一个名叫「侏罗纪」模型号称2026-11-12
昆仑万维AI 音乐创作平台Mureka上线Agent Studio功能，让音乐创作变得触手可及！
近日，昆仑万维旗下的 AI 音乐创作平台 Mureka 全新推出了「Agent Studio」功能。这一功能旨在让音乐创作变得更加简单和便捷，使得每个人都能体验到音乐创作的乐趣。 在短视频、直播和社交2026-11-12
描述 Python isnumeric() 方法检测字符串是否只由数字组成，数字可以是： Unicode 数字，全角数字（双字节），罗马数字，汉字数字。 语法 以下是 isnumeric() 方法语法2026-11-12
云梦级6月3日云梦级消息，新氧 (Nasdaq: SY) 日前发布截至2026年3月31日的财报。财报显示，新氧2026年第一季度营收为4.33亿元（约6270万美元），较上年同期的3亿元增长46%。2026-11-12
随着智能手机、互联网、云计算、AI等技术的崛起后，大数据“杀熟”这一说法，也被越来越多的人熟悉。 为何大数据杀熟？是指部分互联网平台利用大数据技术，判断出客户是老用户还是新用户，然后同样的商品，老用户2026-11-12
云梦级11月5日云梦级消息，在今日的 2025 小鹏科技日活动上，小鹏全新一代 IRON 人形机器人亮相，号称“最拟人的人形机器人”。 据官方介绍，小鹏全新一代人形机器人 IRON 猫步走得像人一样轻2026-11-12
最新评论