史上首次!AI vs 人类工作能力 结果对人类不太妙
巴克莱分析显示，顶尖AI模型已接近人类专家水平，Claude Opus 4.1获得47.6%胜率领先。AI在零售贸易等领域已超越人类，在软件开发等职业表现优异。更令人震惊的是，AI能力在15个月内提升3倍，呈线性增长趋势。预测未来12-24个月内AI将在大多数工作任务上全面超越人类专家。
OpenAI最新发布的GDPval-v0评测工具首次量化了AI在执行具有经济价值工作任务方面的能力，结果显示AI正迅速追赶甚至逼近人类专业人员水平。巴克莱表示，最先进的AI模型已在诸多职业任务中达到与人类专家相当的能力，并且这种能力提升速度正在加快。
此前文章写道，OpenAI最新发布了一款名为GDPval-v0的全新评估工具，涵盖美国GDP占比较大的九个商业领域中44个职业的约1300项具体工作任务，从法律文书到工程蓝图再到护理计划等真实工作交付成果。
结果显示，当前最顶尖的AI模型在执行许多职业任务时，其能力已与人类专业人士相当，并且这种能力的提升速度正在加快。10月5日，据硬AI消息，巴克莱在最新研究报告中称，Anthropic的Claude Opus 4.1在与人类专家对比中取得47.6%的"胜利或平局"率，位居榜首。
巴克莱分析师认为，AI模型的"胜率"在过去15个月中线性提升约4倍，预计在未来12-24个月内AI将在大多数工作相关任务上超越人类。分析认为，这一突破为评估AI投资回报率提供了关键数据支撑。
评测标准创新突破：模拟真实工作复杂性
据巴克莱研究报告，GDPval基准测试的核心创新在于其真实性和复杂性。
该评测由平均拥有超过14年行业经验的资深专业人士设计，涵盖科技服务、金融保险、医疗保健、信息业、制造业等行业的1230个专业任务。
与传统基准测试不同，GDPval的任务并非简单文本问答，而是包含参考文件和上下文的复杂场景，要求AI交付多样化成果，包括文档、幻灯片、图表和电子表格等。巴克莱指出，这种设计更贴近现实工作环境的复杂性。
评测采用盲测方式，由行业专家对AI和人类生成的工作成果进行排名，从难度、代表性、完成时间和整体质量等维度进行综合评估。
AI性能接近人类专家水平
巴克莱分析显示，当前最先进的AI模型在多个领域已接近或达到人类专家水平。Claude Opus 4.1以47.6%的胜率领先，GPT-5-high紧随其后，达到38.8%，o3 high为34.1%。
从行业维度看，AI在零售贸易(56%胜率)、批发贸易(53%)和政府部门(52%)的表现超过人类专家，但在信息技术行业表现相对较弱(39%)。
职业层面上，AI在柜台和租赁文员(80%)、运输接收和库存文员(76%)以及软件开发人员(70%)任务中表现最佳，而在工业工程师(17%)和影视编辑(17%)任务中表现较差。
各模型表现出不同特点：Claude Opus 4.1在美学表现(格式和布局)方面表现出色，GPT-5在遵循指令和执行准确计算方面最为精准。
能力提升速度惊人
巴克莱报告特别强调了AI能力提升的速度。
研报称，OpenAI模型在GDPval测试中的表现在15个月内提升了3倍以上，这种线性增长趋势表明AI很可能在短期内全面超越人类专家。
对GPT-5的失误分析显示，尽管该模型仍会犯一些灾难性错误(2.7%)，但47.7%的失误被归类为"可接受但不佳"，22.9%的情况下模型表现甚至优于人类。
[物价飞涨的时候 这样省钱购物很爽]
好新闻没人评论怎么行，我来说几句
OpenAI最新发布的GDPval-v0评测工具首次量化了AI在执行具有经济价值工作任务方面的能力，结果显示AI正迅速追赶甚至逼近人类专业人员水平。巴克莱表示，最先进的AI模型已在诸多职业任务中达到与人类专家相当的能力，并且这种能力提升速度正在加快。
此前文章写道，OpenAI最新发布了一款名为GDPval-v0的全新评估工具，涵盖美国GDP占比较大的九个商业领域中44个职业的约1300项具体工作任务，从法律文书到工程蓝图再到护理计划等真实工作交付成果。
结果显示，当前最顶尖的AI模型在执行许多职业任务时，其能力已与人类专业人士相当，并且这种能力的提升速度正在加快。10月5日，据硬AI消息，巴克莱在最新研究报告中称，Anthropic的Claude Opus 4.1在与人类专家对比中取得47.6%的"胜利或平局"率，位居榜首。
巴克莱分析师认为，AI模型的"胜率"在过去15个月中线性提升约4倍，预计在未来12-24个月内AI将在大多数工作相关任务上超越人类。分析认为，这一突破为评估AI投资回报率提供了关键数据支撑。
评测标准创新突破：模拟真实工作复杂性
据巴克莱研究报告，GDPval基准测试的核心创新在于其真实性和复杂性。
该评测由平均拥有超过14年行业经验的资深专业人士设计，涵盖科技服务、金融保险、医疗保健、信息业、制造业等行业的1230个专业任务。
与传统基准测试不同，GDPval的任务并非简单文本问答，而是包含参考文件和上下文的复杂场景，要求AI交付多样化成果，包括文档、幻灯片、图表和电子表格等。巴克莱指出，这种设计更贴近现实工作环境的复杂性。
评测采用盲测方式，由行业专家对AI和人类生成的工作成果进行排名，从难度、代表性、完成时间和整体质量等维度进行综合评估。
AI性能接近人类专家水平
巴克莱分析显示，当前最先进的AI模型在多个领域已接近或达到人类专家水平。Claude Opus 4.1以47.6%的胜率领先，GPT-5-high紧随其后，达到38.8%，o3 high为34.1%。
从行业维度看，AI在零售贸易(56%胜率)、批发贸易(53%)和政府部门(52%)的表现超过人类专家，但在信息技术行业表现相对较弱(39%)。
职业层面上，AI在柜台和租赁文员(80%)、运输接收和库存文员(76%)以及软件开发人员(70%)任务中表现最佳，而在工业工程师(17%)和影视编辑(17%)任务中表现较差。
各模型表现出不同特点：Claude Opus 4.1在美学表现(格式和布局)方面表现出色，GPT-5在遵循指令和执行准确计算方面最为精准。
能力提升速度惊人
巴克莱报告特别强调了AI能力提升的速度。
研报称，OpenAI模型在GDPval测试中的表现在15个月内提升了3倍以上，这种线性增长趋势表明AI很可能在短期内全面超越人类专家。
对GPT-5的失误分析显示，尽管该模型仍会犯一些灾难性错误(2.7%)，但47.7%的失误被归类为"可接受但不佳"，22.9%的情况下模型表现甚至优于人类。
[物价飞涨的时候 这样省钱购物很爽]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 |
推荐: