OpenAI最新測試：GPT-5與Claude在部分工作中可媲美人類專家

財聯社9月26日訊（編輯 夏軍雄）當地時間周四（9月25日），人工智能（AI）研究公司OpenAI發佈了一項新的基準測試，用於比較其AI模型與各行業專業人士的工作表現。

這項測試名為GDPval，是一次初步嘗試，旨在評估OpenAI的系統距離在經濟價值工作上超越人類有多近。而經濟價值工作是OpenAI開發通用人工智能（AGI）的關鍵環節。

OpenAI周四表示，其GPT-5模型以及競爭對手Anthropic公司的Claude Opus 4.1「已經接近行業專家的工作質量」。

這並不意味着OpenAI的模型會立刻取代人類工作。儘管一些CEO預測AI在幾年內就會取代人類，但OpenAI承認GDPval目前只涵蓋人們實際工作中有限的一部分任務。不過，這是該公司用來衡量AI向這一里程碑邁進的最新方式之一。

GDPval基於美國GDP貢獻最大的九個行業，包括醫療、金融、製造業和政府等領域。測試覆蓋了44種職業，從軟件工程師到護士再到記者。

在首個版本GDPval-v0中，OpenAI邀請資深專業人士對比AI生成的報告與其他專業人士的成果，並挑選出更優者。

例如，某項任務要求投行人員為「最后一公里配送行業」製作競爭格局分析，並與AI生成的報告進行對比。OpenAI隨后將AI模型在全部44個職業中對抗人類報告的「勝率」進行平均計算。

結果顯示，GPT-5-high（高算力版本GPT-5）在40.6%的情況下被評為優於或與行業專家持平。

而Anthropic的Claude Opus 4.1模型則在49%的任務中被評為不輸於行業專家，這一表現超過了OpenAI的模型。

OpenAI對此解釋稱，之所以Claude得分更高，部分原因是其傾向於生成更美觀的圖表，而非純粹性能更優。

需要説明的是，大多數職業的工作遠不止提交研究報告，而這卻是GDPval-v0所測試的全部內容。OpenAI承認這一點，並計劃在未來開發更全面的測試，涵蓋更多行業和交互式工作流程。

儘管如此，OpenAI仍認為GDPval的進展具有重要意義。

OpenAI首席經濟學家Aaron Chatterji在接受採訪時表示，GDPval的測試結果表明，這些崗位上的人們可以利用AI模型節省時間，從而專注於更有意義的工作。

「因為模型在某些事情上已經變得很擅長，隨着能力的提升，人們可以越來越多地把部分工作交給模型，去做潛在更有價值的事情，」Chatterji説。

OpenAI評估負責人Tejal Patwardhan表示，她對GDPval的進步速度感到鼓舞。

Patwardhan指出，約15個月前發佈的GPT-4o模型得分僅為13.7%（勝出或持平人類），而GPT-5的成績幾乎提高了三倍。她預計這一趨勢還會繼續。