西风 发自 凹非寺 量子位 | 公众号 QbitAI OpenAI发布最新研究，却在里面夸了一波Claude。 他们 提出名为 G D Pv al 的新基 准 ，用来衡量AI模型在真实世界具有经济价值的任务上的表现。 最后OpenAI还 开源了包含220项任务的优质子集 ，并提供公开的自动评分服务。 具体来说，GDPval覆盖了 对美国GDP贡献最大的9个行业中的44种职业 ，这些职业年均创收合计达3万亿美元。任务基于平均拥有14年经验 的行业专家的代表性工作设计而成。 专业评分人员将主流模型的输出结果与人类专家的成果进行了对比。 最终测试下来， Claude Opus 4.1成为表现最佳的模型，47.6%的产出被评定媲美人类专家成果 。 GPT-5 38.8%的成绩和Claude还是有些差距，位居第二；GPT-4o与人类相比只有12.4%获胜或平局。 没能成为最优，OpenAI也给自己找补了：不同模型各有优势，Claude Opus 4.1主要是在美学方面突出，而 G P T-5在准 确 性 上更优 。 OpenAI还表示，同样值得注意的是模型的进步速度，其前沿模型在短短一年内，胜率几乎实现了翻倍。 网友看 ...