💥 宣布 GDPval，一個新的評估工具，用於衡量模型在 44 種職業中對經濟價值的現實任務的表現。

評估就像是對模型的測試——在學校裡你有數學測試、拼寫測試、歷史測試。我們已經做了很多來測試我們模型的原始推理能力。

GDPval 的目標是測試專業人士每天所做的任務——考慮上下文並創建輸出，如文件、幻燈片、圖表和電子表格，涵蓋房地產、政府、社會工作、機械工程、會計、護理、客戶服務、財務諮詢等職業。

最佳模型（GPT-5、Claude、Gemini）尚未超越行業專家，但它們已經非常接近——而且它們更快且更便宜。

恭喜 @tejalpatwardhan 和團隊在 GDPval 上的卓越工作！