🎯 情报来源：量子位
OpenAI于2025年9月26日发布名为GDPval的新型AI评估基准，该基准聚焦AI模型在真实经济场景中的价值创造能力。测试覆盖对美国GDP贡献最大的9个行业（年创收合计3万亿美元）中的44种数字职业，任务设计基于平均14年经验的行业专家工作样本，最终形成包含1320项任务的全集。
在开源220项任务的优质子集测试中，Anthropic的Claude Opus 4.1以47.6%的产出被评定为媲美人类专家成果的表现位列第一，显著领先OpenAI自家GPT-5（38.8%）和GPT-4o（12.4%）。值得注意的是，前沿模型在一年内胜率实现近翻倍增长，且超过50%任务中至少有一个模型达到或超越人类水平。
💡 核心要点
- 经济价值覆盖：测试涵盖年创收3万亿美元的44种核心职业，单个任务平均经济价值=7小时×职业中位时薪
- 性能差距：Claude Opus 4.1（47.6%）领先GPT-5（38.8%）8.8个百分点，GPT-4o仅12.4%
- 评估规模：全集1320项任务，开源220项优质子集，每任务平均经过5轮人工审核
- 进步速度：前沿模型一年内胜率提升近100%
- 成本效益：AI+人类协作模式比纯人工效率提升50%以上
📌 情报分析
技术价值（高）：GDPval首次实现多模态（PDF/XLSX/PPT处理）+经济价值量化的综合评估，自动评分器与人类一致性差距仅5%（66% vs 71%）。但44种职业覆盖度仍有限。
商业价值（极高）：测试显示AI已能在50%+任务中替代年薪超10万美元的专家工作，按3万亿美元行业规模测算，潜在替代价值达万亿级。微软已与Anthropic合作优化Copilot验证其商业转化。
趋势预测（高）：模型年进步率达100%，按此速度2年内或将实现80%+任务超越人类。需关注多模态能力（Claude优势领域）与垂直行业解决方案的融合突破。