OpenAI实测：最强打工AI评测，榜首竟是它
OpenAI最新研究报告意外点赞Claude实力
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
近日，OpenAI发布了一项名为GDPval的全新基准测试，专门用于评估AI模型在具有实际经济价值的任务中的表现。
这一基准覆盖了美国GDP贡献最大的9大行业中的44种职业，由具备14年从业经验的行业专家精心设计任务，涉及年产值合计3万亿美元的专业领域。经过专业评审团的严格比对，Claude Opus 4.1以47.6%的任务成果媲美人类专家的表现拔得头筹。
值得注意的是，GPT-5以38.8%的成绩位居第二，与第一名存在明显差距；而GPT-4o的表现仅为12.4%。面对结果，OpenAI解释称各模型各有所长：Claude在审美表现上更胜一筹，而GPT-5则在准确性方面保持领先。
同时，OpenAI公布了包含220项任务的精选子集，并开放了自动化评分服务。此举引发了业内广泛关注，有观点认为这可能是OpenAI为展示AI经济价值所作的精心营销。
GDPval评估体系详解
与传统AI评估相比，GDPval具有以下突出优势：
- 基于真实工作场景，精准计算时间与成本
- 覆盖美国职业信息网络(O*NET)核心工作内容
- 支持多格式文件处理与多模态分析
- 评估标准除准确性外还包括结构与风格等主观因素
- 任务复杂度高，专家平均需要7小时完成
在测试构建过程中，研究团队首先筛选出对美国GDP贡献超过5%的9个核心行业，并在每个行业中选取5个薪资最高且以数字化工作为主的职业。最终选定的44个职业代表了3万亿美元的年产值。
行业顶尖专家参与评审
为确保评估权威性，OpenAI组建了平均14年从业经验的专家团队，成员来自苹果、谷歌、微软等科技巨头，以及摩根大通等金融机构。这些专家需要通过严格的多轮筛选，包括背景调查、专业测试等环节。
在任务设计阶段，每位专家需要根据O*NET的职业分类标准，为其专业领域创建代表性强的工作任务。每项任务都经过至少3轮人工审核，平均修改5次后才能最终定稿。
模型表现深度分析
在220项精选任务的盲测中，Claude Opus 4.1展现出卓越的审美能力，特别是在文档排版、PPT设计等需要视觉表现力的任务上表现出色。而GPT-5则在纯文本处理和精准计算方面保持优势。
研究还发现，将AI辅助引入工作流程可以显著提升效率：在超50%的任务中，AI产出达到或超过人类专家水平。采用"AI初稿+人工修改"的模式可以节省大量时间成本。
OpenAI同时指出当前GDPval存在的局限：样本量有限、主要针对知识型工作、缺乏交互性任务等。未来将持续拓展评估范围，完善评分系统。
值得玩味的是，微软近期宣布将与Claude的开发商Anthropic合作，优化其Microsoft 365 Copilot服务。这一动向似乎佐证了Claude在商业应用中的突出表现。
热门专题
热门推荐
加密货币行业翘首以盼的监管里程碑，终于有了实质性进展。美国证券交易委员会（SEC）主席保罗·阿特金斯（Paul Atkins）近日证实，那份允许加密项目在早期获得注册豁免权的“安全港”框架提案，已经正式送抵白宫，进入了最终审查阶段。 在范德堡大学与区块链协会联合举办的数字资产峰会上，阿特金斯透露了这
微策略Strategy报告：第一季录得144 6亿美元浮亏 再斥资约3 3亿美元买进4871枚比特币 市场震荡的威力有多大？看看Strategy的最新季报就明白了。根据其最新向美国证管会(SEC)提交的8-K报告，受市场剧烈波动影响，这家公司所持的比特币在第一季度录得了一笔惊人的数字——144 6亿
稳定币巨头Tether的动向，向来是加密世界的风向标。这不，它向Web3基础设施的版图扩张，又迈出了关键一步。公司执行长Paolo Ardoino在社交平台X上透露，其工程团队正在全力“烹制”一个新项目——去中心化搜索引擎 “Hypersearch”。这个消息一出，立刻引发了行业的广泛猜想。 采用D
基地位于Coinbase旗下以太坊Layer2网络Base的Seamless Protocol，日前正式宣告了服务的终结。这个曾经吸引了超过20万用户的原生DeFi借贷协议，在运营不到三年后，终究没能跑赢时间。它主打的核心产品是Integrated Leverage Markets（ILMs）——一
PAAL代币揭秘：深度解析Web3社区治理的核心钥匙 在去中心化自治组织的浪潮中，谁真正掌握了项目的话语权？PAAL代币提供了一套系统化的答案。它不仅是生态内流转的价值媒介，更是开启链上治理大门的核心凭证。通过持有并质押PAAL代币，用户能够对协议升级、资金分配乃至战略方向等关键事务投出决定性的一票