OpenAI最新發布的評測工具GDPval-v0，首次量化AI在執行具有經濟價值工作任務方面的能力，顯示AI正迅速追趕甚至逼近人類專業人員水平。巴克萊表示，最先進的AI模型已在眾多職業任務中，達到和人類專家相當的能力，而且這種能力提升速度正在加快。

OpenAI最新的評估工具，涵蓋美國GDP佔比較大的9個商業領域中，44個職業約1300項具體工作任務，從法律文書到工程藍圖，再到護理計劃等真實工作交付成果。

結果顯示，當前最頂尖的AI模型在執行許多職業任務時，能力已與人類專業人士相當，巴克萊最新的研究報告指，Anthropic的Claude Opus 4.1在與人類專家對比中，取得47.6%的「勝利或平局」比率，位居榜首。

巴克萊分析師指，AI模型的「勝率」在過去15個月中，線性提升約4倍，預計在未來12至24個月內，AI將在大多數工作相關任務上超越人類。分析認為，這一突破為評估AI投資回報率提供關鍵數據支撐。

OpenAI的評測工具，由平均擁有超過14年行業經驗的資深專業人士設計，涵蓋科技服務、金融保險、醫療保健、信息業、製造業等1230個專業任務。同傳統基準測試不同，OpenAI的任務並非簡單文本問答，而是包含參考文件和上下文的複雜場景，要求AI交付多樣化成果，包括文檔、幻燈片、圖表和電子表格等。巴克萊指出，這種設計更貼近現實工作環境的複雜性。

評測採用盲測方式，由行業專家對AI和人類生成的工作成果進行排名，從難度、代表性、完成時間和整體質量等維度，進行綜合評估。巴克萊分析顯示，Claude Opus 4.1以47.6%的勝率領先，GPT-5-high緊隨其後，達到38.8%，o3 high為34.1%。

從行業看，AI在零售貿易（56%勝率）、批發貿易（53%）和政府部門（52%）的表現，超過人類專家，但在信息技術行業表現相對較弱（39%）。

職業層面上，AI在櫃台和租賃文員（80%）、運輸接收和庫存文員（76%）以及軟件開發人員（70%）任務中表現最佳，而在工業工程師（17%）和影視編輯（17%）任務中表現較差。

而各模型亦表現出不同特點：Claude Opus 4.1在美學表現(格式和布局)方面表現出色，GPT-5在遵循指令和執行準確計算方面最為精準。

巴克萊指，GPT-5的模型仍會犯一些災難性錯誤（2.7%），但47.7%的失誤被歸類為「可接受但不佳」，22.9%的情況下模型表現甚至優於人類。巴克萊分析師認為，AI模型的原始智能，特別是GPT-5，已達到超越人類專家的水平。通過更多後期訓練，包括微調和強化學習，AI全面超越行業專家的時代已為時不遠。