GPT-5与Claude在工作表现上真能媲美人类专家？

GDPval测试的背景与目的

测试发起的缘由

在人工智能飞速发展的当下，OpenAI为了衡量其AI系统在经济价值工作上与人类的差距，发起了GDPval测试。经济价值工作对于开发通用人工智能至关重要，此次测试是朝着这一目标迈出的重要一步。OpenAI希望借此了解自身模型在各行业专业工作中的表现情况，为后续的技术发展提供方向。

测试的关键目标

GDPval测试旨在评估OpenAI的系统距离在经济价值工作上超越人类有多近。它是一次初步尝试，通过与各行业专业人士的工作表现对比，来确定AI模型的发展程度。这不仅关乎技术的进步，也影响着未来人工智能在各行业的应用和发展。

测试的具体内容与方式

测试覆盖的行业与职业

GDPval基于美国GDP贡献最大的九个行业展开，涵盖医疗、金融、制造业和政府等多个领域。测试覆盖了44种职业，从软件工程师到护士再到记者，范围广泛。这些不同行业和职业的选择，能全面反映AI模型在多种工作场景下的表现。

测试的具体操作流程

在首个版本GDPval-v0中，OpenAI邀请资深专业人士对比AI生成的报告与其他专业人士的成果，并挑选出更优者。例如在“最后一公里配送行业”竞争格局分析任务中，投行人员制作的报告与AI生成的报告进行对比，然后计算AI模型在全部44个职业中对抗人类报告的“胜率”。

测试结果及相关分析

GPT-5与Claude的成绩

结果显示，GPT-5-high在40.6%的情况下被评为优于或与行业专家持平。而ClaudeOpus4.1模型在49%的任务中被评为不输于行业专家，表现超过了OpenAI的模型。这表明在当前的测试中，Claude在部分工作上的表现更胜一筹。

成绩差异的原因探讨

OpenAI解释Claude得分更高，部分原因是其倾向于生成更美观的图表，而非纯粹性能更优。这说明在此次测试中，除了内容本身的质量，图表等呈现形式也对结果产生了影响，也为后续改进测试提供了思路。

测试的意义与未来展望

当前测试的重要意义

尽管测试存在局限性，大多数职业工作不止提交研究报告这一项，但OpenAI仍认为GDPval的进展具有重要意义。AI模型能在某些事情上表现出色，人们可以利用它们节省时间，专注于更有意义的工作。

未来测试的改进方向

OpenAI承认当前测试的不足，计划在未来开发更全面的测试，涵盖更多行业和交互式工作流程。随着技术的发展和对AI认知的深入，相信未来的测试能更准确地评估AI与人类工作表现的差距。

相关问答

GDPval测试是由哪家公司发起的？

GDPval测试是由人工智能研究公司OpenAI发起的，旨在评估其AI系统在经济价值工作上与人类的差距。

GDPval测试覆盖了哪些行业和职业？

覆盖美国GDP贡献最大的九个行业，包括医疗、金融等领域，涉及44种职业，如软件工程师、护士、记者等。

GPT-1在测试中的表现如何？

GPT-1在49%的任务中被评为不输于行业专家。

ClaudeOpus1得分高的原因是什么？

Open1得分高部分原因是它倾向于生成更美观的图表，并非纯粹性能更优。

OpenAI对GDPval测试未来有什么计划？

OpenAI计划在未来开发更全面的测试，涵盖更多行业和交互式工作流程，以更准确评估AI与人类差距。

GDPval测试对人类工作有什么影响？

测试结果表明AI模型可帮人们节省时间，人们能把部分工作交给模型，去做更有价值的事情。