OpenAI近期重磅发布全新AI评估体系——GDPval，这一创新框架致力于精准衡量前沿AI模型在真实经济场景中的实际应用效能，有效弥合了传统学术测试与现实商业需求之间的显著差距。该基准体系全面覆盖美国九大高经济贡献行业中的44个关键职业领域，包含1320项由资深行业专家精心设计的具体任务场景。特别值得一提的是，GDPval不仅要求模型完成文本输出，更强调多模态成果的生成能力，如文件撰写、演示文稿制作等，从而大幅提升评估结果的真实性与实用价值。
首轮权威测试结果显示，Claude Opus 4.1在综合性能表现上脱颖而出，而GPT-5则在专业领域准确度方面表现卓越。研究团队还发现了一个令人瞩目的数据：当前前沿AI模型完成复杂任务的效率比人类专业人士快约100倍，同时运营成本仅为人类劳动力的百分之一。这一发现不仅揭示了AI在商业应用中的巨大潜力，也为传统工作模式带来了革命性启示。
尽管取得了令人鼓舞的成果，OpenAI研究团队也坦诚指出，现行版本GDPval尚未涵盖需要反复迭代优化或高度人机交互的复杂工作场景。对此，OpenAI已制定明确的未来发展计划：将在后续版本中显著扩大评估范围，并逐步向公众开放部分核心数据集，以促进AI技术的进一步优化与行业应用。这一开放策略不仅有助于推动AI技术的快速迭代，也将为更多企业和研究机构提供宝贵的参考依据，加速AI在真实经济环境中的落地应用进程。
