衡量我们的模型在真实世界任务上的表现

我们推出 GDPval——一套覆盖 9 大行业、44 种职业、1,320 个真实工作任务的新评估；由行业专家盲评打分，结果显示前沿模型的产出质量已接近行业专家，且速度快约 100 倍、成本低约 100 倍。