OpenAI представила GDPval - тест ИИ на реальных профессиях с экономическим эффектом
Компания OpenAI объявила о запуске новой системы оценки искусственного интеллекта — GDPval. В отличие от привычных академических бенчмарков, этот проект ориентирован на практические задачи, отражающие реальные профессиональные вызовы, и оценивает вклад ИИ в сферы, влияющие на глобальную производительность.
GDPval охватывает 44 профессии в девяти ключевых отраслях экономики США, включая промышленность, медицину, финансы и юриспруденцию. В сумме эти сектора формируют свыше 5% американского ВВП. Для тестирования подготовили 1320 заданий, из них 220 доступны в открытом доступе. Они разработаны на основе опыта специалистов со средним стажем 14 лет и прошли пять раундов экспертной проверки. Среди примеров — проектирование оборудования, составление юридических документов и создание финансовых моделей.
Оценка проводится слепым методом: результаты работы ИИ и человека сравнивают независимые эксперты, выставляя оценки «лучше», «на уровне» или «хуже». В лидеры вышла модель Claude Opus 4.1 от Anthropic , чьи решения в большинстве случаев признаны сопоставимыми с экспертными или превосходящими их. GPT-5 от OpenAI показала высокую точность, но немного уступила в эстетической составляющей.
Особенно заметна динамика: производительность фронтир-моделей OpenAI выросла втрое всего за год — от GPT-4o (весна 2024) до GPT-5 (лето 2025). По скорости и стоимости обработки задач ИИ демонстрирует колоссальное преимущество: в 100 раз быстрее и дешевле по сравнению с людьми. Правда, эти данные не учитывают расходы на человеческий контроль.
Авторы проекта подчеркивают, что GDPval пока имеет ограничения. Задачи рассчитаны на одноразовое выполнение и не отражают многозадачность или неоднозначность реального мира. Однако OpenAI планирует расширить систему: добавить больше профессий, ввести интерактивные форматы и повысить уровень контекстной сложности.
Компания открыла доступ к данным на платформе evals.openai.com и предложила экспертам и сообществу вносить предложения для развития проекта. Таким образом, GDPval становится не только инструментом измерения прогресса, но и площадкой для обсуждения роли ИИ в реальной экономике.
