BenchLeader

GDPval 排行榜

截至 2026年11月16日,GDPval 的最高分为 49.7%,由 GPT-5.2(OpenAI)取得,领先于 Claude Opus 4.5(45.5%)。共有 11 个模型配置公布了结果(OpenAI,结果日期 2025年12月11日)。GDPval 要求模型在经济权重最大的 44 种职业中产出真实的工作成果,例如法律备忘录、财务模型或设计简报。随后由行业专业人士将每份产出与人类专家的作品进行比较。GDPval 计入 BenchLeader Index 的智能体与工具得分。

要点(截至 2026年11月16日)

  • GPT-5.2 以 49.7% 保持 GDPval 最高分(OpenAI,2025年12月11日)。
  • Claude Opus 4.5 以 45.5% 位列 GDPval 第二(OpenAI,2025年11月24日)。
  • GDPval:在有经济价值的任务上与行业专业人士相比的胜率(OpenAI)(OpenAI)。
  • BenchLeader 上有 11 个模型配置公布了 GDPval 结果(BenchLeader,2026年11月16日)。
  • GDPval 计入 BenchLeader Index 的智能体与工具类别(BenchLeader 方法论)。

在有经济价值的任务上与行业专业人士相比的胜率(OpenAI)。

发布方
OpenAI数据经由 Epoch AI Benchmarking Hub
类别
智能体与工具
Index 权重
0.5
模型
11
数据截至
2026年11月16日
最新结果
2025年12月11日

自 2025年12月11日 以来,发布方没有在该排行榜上公布新结果。BenchLeader 每天都会重新读取,新模型的结果一经公布就会出现在这里。

CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.

测试内容

GDPval 要求模型在经济权重最大的 44 种职业中产出真实的工作成果,例如法律备忘录、财务模型或设计简报。随后由行业专业人士将每份产出与人类专家的作品进行比较。

评分方式

胜率:评审人员认为模型的成果优于(或等同于)专业人士作品的比例。由 OpenAI 发布。

注意事项

评分由人工两两比较完成,所以分数是相对的,复现成本也高;只有黄金子集是公开的。任务都是一次性交付,而不是大多数工作中那种反复迭代的过程。

11 / 11
#
1GPT-5.2无推理49.7%48.52025-12-11
2Claude Opus 4.545.5%57.12025-11-24
3Claude Opus 4.143.6%51.12025-08-05
4Claude Sonnet 4.542.5%53.82025-09-29
5Gemini 3 Pro40.3%60.02025-11-18
6GPT-5medium34.8%59.02025-08-07
7o3medium30.8%53.32025-04-16
8o4-minihigh25.3%51.22025-04-16
9Gemini 2.5 Pro23.3%55.22025-06-17
10Grok 4high21.1%–2025-07-09
11GPT-4o9.9%42.82024-11-20

更多智能体与工具基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《GDPval 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/gdpval。

GDPval:常见问题

GDPval 衡量的是什么?
GDPval 要求模型在经济权重最大的 44 种职业中产出真实的工作成果,例如法律备忘录、财务模型或设计简报。随后由行业专业人士将每份产出与人类专家的作品进行比较。分数以完成任务的百分比表示,越高越好。
GDPval 的最高分是多少?
截至 2026年11月16日,GDPval 的最高分为 49.7%,由 GPT-5.2 取得(结果日期 2025年12月11日),领先于 Claude Opus 4.5(45.5%)。分数来自 OpenAI,每天重新读取。
哪个 AI 模型在 GDPval 上领先?
截至 2026年11月16日,GDPval 排名第一的是 GPT-5.2,分数为 49.7%(结果日期 2025年12月11日)。其后为 Claude Opus 4.5(45.5%)。
有多少模型有 GDPval 结果?
BenchLeader 上有 11 个模型配置有 GDPval 结果,全部取自 OpenAI(经由 Epoch AI Benchmarking Hub)。
GDPval 由谁运行,多久更新一次?
GDPval 由 OpenAI 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
GDPval 是否计入 BenchLeader Index?
计入。GDPval 计入 BenchLeader Index 的智能体与工具类别,并经过归一化,使参评模型的平均值为 50。