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。
- 1GPT-5.2 (none)49.7%
- 2Claude Opus 4.545.5%
- 3Claude Opus 4.143.6%
- 4Claude Sonnet 4.542.5%
- 5Gemini 3 Pro40.3%
- 6GPT-5 (medium)34.8%
- 7o3 (medium)30.8%
- 8o4-mini (high)25.3%
- 9Gemini 2.5 Pro23.3%
- 10Grok 4 (high)21.1%
- 11GPT-4o9.9%
| # | ||||
|---|---|---|---|---|
| 1 | 49.7% | 48.5 | 2025-12-11 | |
| 2 | 45.5% | 57.1 | 2025-11-24 | |
| 3 | 43.6% | 51.1 | 2025-08-05 | |
| 4 | 42.5% | 53.8 | 2025-09-29 | |
| 5 | 40.3% | 60.0 | 2025-11-18 | |
| 6 | 34.8% | 59.0 | 2025-08-07 | |
| 7 | 30.8% | 53.3 | 2025-04-16 | |
| 8 | 25.3% | 51.2 | 2025-04-16 | |
| 9 | 23.3% | 55.2 | 2025-06-17 | |
| 10 | 21.1% | – | 2025-07-09 | |
| 11 | 9.9% | 42.8 | 2024-11-20 |
相关基准测试
GDPval 上的热门模型对比
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。