# OpenAI 发布 GDPval：用 44 种职业的真实工作成果来考模型

> 原标题：Measuring the performance of our models on real-world tasks

- 来源：OpenAI News
- 发布时间：2025-09-25T09:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/457
- 原文：https://openai.com/index/gdpval

## 摘要

OpenAI 搞了一个新评测集叫 GDPval，专门看模型在真实工作里到底能不能干活。它从对美国 GDP 贡献最大的 9 个行业里挑了 44 种职业，让平均从业 14 年以上的老手出了 1320 道题，其中 220 道金牌题已经开源。题目不是考试卷，而是直接让你产出法律简报、工程图纸、护理计划这类真实交付物，格式涵盖文档、幻灯片、表格、图表和多媒体。

## 推荐理由

OpenAI 发布 GDPval 评测集，从 9 个行业选取 44 种职业，由平均从业 14 年以上的老手出题，考察模型能否产出法律简报、工程图纸等真实交付物。

## 锐评

1320 道题、44 个职业、平均 14 年经验的人出题，这套评测的题面质量我信，但只测单轮这件事把它的参考价值砍了一大半。真实工作里法律简报和护理计划都是改出来的，第一版谁都能写得像模像样，难的是拿着反馈改到能用。所以 GDPval 分数高只能说明模型会写初稿，离接手知识工作还差着几轮对话。220 道金牌题开源倒是实在，自己拿几道跑跑就知道自家 agent 的 scaffold 到底行不行。
