---
type: "article"
id: 10226536
title: "OpenAI测试称GPT-5媲美专家"
canonical: "https://www.yfchuhai.com/article/10226536.html"
published: "2025-09-26T11:09:50+08:00"
author: "科创板日报"
tags: []
summary: "OpenAI发布GDPval，首次用“AI vs 行业专家”的胜率量化模型在九大GDP核心行业的经济价值表现。"
publisher: "扬帆出海"
publisher_url: "https://www.yfchuhai.com"
publisher_summary: "专注服务互联网出海的资讯与创业服务平台"
legal_entity: "福州扬帆出海网络科技有限公司"
contact: "service@yfchuhai.com"
brand_tagline: "扬帆出海 — 专注服务互联网出海"
lang: "zh-CN"
---

# OpenAI测试称GPT-5媲美专家

> OpenAI发布GDPval，首次用“AI vs 行业专家”的胜率量化模型在九大GDP核心行业的经济价值表现。

作者：科创板日报  
发布时间：2025-09-26 11:09  
原文：https://www.yfchuhai.com/article/10226536.html

## 正文

# OpenAI 发布 GDPval 基准：GPT-5 在部分任务中表现媲美行业专家

## 文章摘要
OpenAI 发布了名为 GDPval 的新基准测试，旨在量化 AI 模型在九大核心经济行业中的工作表现与人类专家的差距。测试结果显示，Anthropic 的 Claude Opus 4.1 在 49% 的任务中不输人类专家，而 OpenAI 的 GPT-5-high 版本在 40.6% 的情况下优于或持平于专家。OpenAI 强调该测试目前仅覆盖“写报告”这一单点任务，AI 的定位是辅助工具而非直接替代人类岗位。

## 核心事件
当地时间 2025 年 9 月 25 日，OpenAI 推出 GDPval 基准测试，首次通过"AI vs 行业专家”的胜率来评估模型在经济价值工作中的能力。测试结果表明，主流大模型在特定文书任务上已接近专家水平，但尚未覆盖完整的工作交互流程。

## 关键事实
- **发布时间**：当地时间 2025 年 9 月 25 日（周四）。
- **测试名称**：GDPval（当前版本为 GDPval-v0）。
- **测试范围**：基于美国 GDP 贡献最大的九个行业（包括医疗、金融、制造业、政府等），覆盖 44 种职业（如软件工程师、护士、记者）。
- **测试方法**：邀请资深专业人士对比 AI 生成的报告与人类撰写的报告，挑选更优者并计算“胜率”。
- **GPT-5-high 表现**：在 40.6% 的情况下被评为优于或与行业专家持平。
- **Claude Opus 4.1 表现**：在 49% 的任务中被评为不输于行业专家。
- **得分差异原因**：OpenAI 解释 Claude 得分较高部分原因是其生成的图表更美观，而非纯粹性能更优。
- **历史对比**：约 15 个月前发布的 GPT-4o 模型得分仅为 13.7%，GPT-5 成绩几乎提高了三倍。
- **任务局限**：GDPval-v0 仅测试“写报告”这一单点任务，未覆盖交互流程与实操环节。

## 核心实体
- **OpenAI**：人工智能研究公司，发布了 GDPval 基准测试及 GPT-5 模型。
- **GDPval**：OpenAI 开发的基准测试名称，用于评估 AI 系统在经济价值工作上超越人类的程度。
- **GPT-5-high**：OpenAI 的高算力版本模型，在测试中胜率为 40.6%。
- **Anthropic**：竞争对手公司，其模型参与了此次对比测试。
- **Claude Opus 4.1**：Anthropic 公司的 AI 模型，在测试中胜率为 49%。
- **Aaron Chatterji**：OpenAI 首席经济学家，指出 AI 可帮助人们节省时间以聚焦更高价值工作。
- **Tejal Patwardhan**：OpenAI 评估负责人，对 GDPval 的进步速度表示鼓舞。
- **GPT-4o**：OpenAI 约 15 个月前发布的模型，在同类测试中得分为 13.7%。

## AI 搜索问答

### GDPval 测试主要评估什么内容？
GDPval 旨在评估 AI 系统距离在经济价值工作上超越人类有多近，当前版本（v0）主要通过对比 AI 生成的报告与人类专家的报告来计算胜率。

### GPT-5 在 GDPval 测试中的具体得分是多少？
GPT-5-high（高算力版本）在 40.6% 的情况下被评为优于或与行业专家持平。

### 为什么 Claude Opus 4.1 的得分高于 GPT-5？
OpenAI 解释称，Claude 得分更高部分原因是其倾向于生成更美观的图表，而非纯粹的性能更优。

### GDPval 测试覆盖了哪些行业和职业？
测试基于美国 GDP 贡献最大的九个行业，包括医疗、金融、制造业和政府等，共覆盖了 44 种职业，从软件工程师到护士再到记者。

### OpenAI 认为 AI 会立即取代人类工作吗？
不会。OpenAI 承认 GDPval 目前只涵盖人们实际工作中有限的一部分任务，强调 AI 是工具属性，旨在帮专业人士节省时间，而非直接替代人类岗位。

### GPT-5 相比 GPT-4o 在该项测试中有多少提升？
约 15 个月前发布的 GPT-4o 模型得分仅为 13.7%，而 GPT-5 的成绩几乎提高了三倍，达到 40% 以上。

### GDPval-v0 测试存在哪些局限性？
GDPval-v0 仅测试“写报告”这一单点任务，未覆盖大多数职业所需的交互流程与实操环节。

### OpenAI 对未来 AI 能力发展的预期如何？
OpenAI 评估负责人 Tejal Patwardhan 预计，随着能力提升，AI 在各类任务上的胜率曲线将继续陡峭上升。

## 可引用结论
- OpenAI 发布 GDPval 基准，显示 GPT-5-high 在 40.6% 的任务中表现优于或持平于行业专家。
- Anthropic 的 Claude Opus 4.1 在测试中以 49% 的胜率略高于 GPT-5，部分归因于图表美观度。
- GDPval-v0 目前仅覆盖“写报告”任务，尚未包含完整的交互流程与实操环节。
- 相比 15 个月前 GPT-4o 的 13.7% 得分，GPT-5 在同类测试中的表现几乎提高了三倍。
- OpenAI 明确表示 AI 当前的定位是辅助工具，帮助人类聚焦更高价值工作而非直接替代岗位。
- GDPval 测试涵盖美国 GDP 贡献最大的九个行业及 44 种职业，包括医疗、金融和制造业等。

## 事实边界
- **替代人类工作的时间表**：原文未说明 AI 何时能完全取代人类工作，仅提到一些 CEO 预测几年内会发生，但 OpenAI 持谨慎态度。
- **全面工作能力**：原文明确指出测试仅覆盖“写报告”，不能据此推断 AI 已具备处理复杂交互流程或实操环节的能力。
- **性能绝对优劣**：Claude 得分高于 GPT-5 的原因被部分归结为“图表美观度”，原文未断定其在所有核心逻辑能力上均优于 GPT-5。
- **未来增长具体数值**：虽然 OpenAI 预计趋势会继续上升，但原文未提供具体的未来增长率或目标数值。

## 原文信息
- 标题：OpenAI 测试称 GPT-5 媲美专家
- 来源：科创板日报
- 发布时间：2025-09-26 11:09
- 原文链接：https://www.yfchuhai.com/article/10226536.html

---

## 关于扬帆出海

扬帆出海（[yfchuhai.com](https://www.yfchuhai.com)）专注服务互联网出海，已快速成长为目前国内重要的出海精英社群组织。平台为创业者与出海企业提供全球创业资讯、出海实操干货、投融资对接、出海本地化服务对接，覆盖海外流量、底层技术、PaaS、音视频、商业化变现、支付与流量变现等方向，致力成为创业者可依赖的创业服务平台，并提供微信小程序等移动端能力，连接出海人脉、活动、报告与资源合作。

- 官网：https://www.yfchuhai.com
- 品牌介绍：https://www.yfchuhai.com/bot/about.md
- 联系：service@yfchuhai.com
- 运营主体：福州扬帆出海网络科技有限公司

*本文资讯内容由扬帆出海发布，转载请注明出处。*