GDP val
/ˌdʒiː diː ˈpiː væl/
Also known as: GDP evaluation, GDP benchmark, knowledge work benchmark
Co je GDP val?
GDP val je AI evaluační benchmark představený OpenAI koncem roku 2025 k měření toho, jak dobře AI modely zvládají ekonomicky cenné, reálné úlohy znalostní práce. Název pochází z Hrubého domácího produktu (HDP), protože benchmark čerpá úkoly z povolání a odvětví, která nejvíce přispívají k ekonomickému výstupu.
Na rozdíl od tradičních AI benchmarků, které testují abstraktní uvažování nebo výkon ve standardizovaných testech (kde modely z velké části nasytily výkon na lidské úrovni), GDP val se zaměřuje na praktické profesionální výstupy.
Klíčové charakteristiky
Reálné pracovní produkty: Úkoly produkují skutečné výstupy jako právní dokumenty, inženýrské plány, konverzace zákaznické podpory, ošetřovatelské plány, prezentace, tabulky a multimédia.
Evaluace experty: Zkušení profesionálové z relevantních povolání slepě porovnávají AI výstupy s prací vytvořenou lidmi, nevědí, která je která.
Komplexní rozsah: Celý dataset zahrnuje 1 300+ specializovaných úkolů napříč 44 povoláními.
Kontextově bohaté úkoly: Na rozdíl od jednoduchých promptů zahrnují úkoly GDP val referenční soubory a kontext, napodobující reálné pracovní scénáře.
Proč záleží na GDP val
GDP val představuje posun v tom, jak se měří pokrok AI. Tradiční benchmarky stylu IQ se staly nasycenými—frontální modely již odpovídají nebo převyšují špičkový lidský výkon ve standardizovaných testech. GDP val místo toho měří:
- Ekonomický dopad: Přímé propojení s úkoly, které řídí HDP
- Profesionální konkurence: Přímé porovnání s průmyslovými experty
- Praktická hodnota: Reálné výstupy, ne abstraktní řešení problémů
Jak poznamenal profesor Wharton Ethan Mollick, 71% skóre GPT-5.2 na GDP val znamená, že model nyní poráží lidské experty v 71 % případů na úkolech vyžadujících 4-8 hodin práce.
Historický kontext
OpenAI představil GDP val v září 2025, významně publikoval výsledky ukazující, že Claude překonal jejich vlastní nejlepší model při spuštění—vzácný projev transparentnosti ohledně konkurenčního postavení.
V prosinci 2025 GPT-5.2 dosáhlo 71 % na GDP val, oproti 39 % pro GPT-5.1 vydané jen o měsíc dříve, demonstrující rychlý pokrok ve schopnosti znalostní práce.
Související čtení
- Ethan Mollick - Často analyzuje důsledky GDP val
- Enterprise AI - Podnikové aplikace, které GDP val měří
- Knowledge Work Disruption - Trend, který GDP val kvantifikuje
Mentioned In
Paul Ritzer
GDP val basically measures how good AI is at real-world knowledge work tasks, spanning legal briefs, engineering blueprints, customer support, and nursing plans.
Paul Ritzer
GPT-5.2 thinking achieved a score of roughly 71%, up from 39% for GPT-5.1 thinking which came out in November.
Sam Altman
That eval is like 40 something different verticals that a business has to do. Make a PowerPoint, do this legal analysis, write up this little web app... a coworker that you can assign an hour's worth of tasks to and get something you like better back 74 or 70% of the time.