OpenAI正式推出GDPval评估基准，覆盖九大行业44个知识型职业的1320项专业任务，由平均14年经验专家设计。评估采用专家盲评机制，测试显示模型完成任务速度比人类快100倍且成本仅1%，同时揭示当前版本局限性及扩展计划。