💥 宣布 GDPval，这是一个新的评估工具，用于衡量模型在 44 个职业中对经济价值的真实任务的表现。

评估就像是对模型的测试——在学校里你有数学测试、拼写测试、历史测试。我们已经做了很多工作来测试我们的模型在原始推理能力上的表现。

GDPval的目标是测试专业人士日常工作中所做的任务——考虑上下文并创建输出，如文档、幻灯片、图表和电子表格，涵盖房地产、政府、社会工作、机械工程、会计、护理、客户服务、财务顾问等职业。

最好的模型（GPT-5、Claude、Gemini）尚未超越行业专家，但它们正在变得相当接近——而且它们更快且更便宜。

祝贺 @tejalpatwardhan 和团队在 GDPval 上的出色工作！