📈 AI 的职业能力有了新标尺，看看 GPT-5 离专家还有多远
OpenAI 发布了 GDPval 基准测试，不再是学术问答，而是评估 AI 在金融、医疗等真实职业任务中的经济价值。
1️⃣ GPT-5 的表现
在 44 个职业的 1320 个任务中，与从业 14 年的专家对比。
GPT-5-high 版本取得了 40.6% 的“胜出或平局”率，是 GPT-4o (13.7%) 的近三倍。这显示了模型在具体工作场景中的显著进步。
2️⃣ 与 Claude 对比
Anthropic 的 Claude Opus 4.1 得分更高，达到 49%。
细节差异很关键：Claude 在图形、文档格式化等“美学”层面有优势；而 GPT-5 在“领域知识与准确性”上表现更好。开发者可根据应用场景做技术选型。
3️⃣ 基准测试的意义
价值导向：评估标准从理论转向实践，衡量 AI 能否胜任人类工作流程中的具体环节，如生成竞争分析报告、法律摘要或护理计划。
成本效益：初步数据显示，模型完成任务的速度比专家快约 100 倍，成本更低，但这并未计入现实中必要的人工审核与整合成本。
总的来说，AI 评测正从“能不能聊”转向“能不能干活”。GDPval 提供了一个更贴近真实世界的观察窗口，值得持续关注。
参考资料: https://techcrunch.com/2025/09/25/openai-says-gpt-5-stacks-up-to-humans-in-a-wide-range-of-jobs
