GDPval là tiêu chuẩn được OpenAI công bố vào năm 2025 để đo lường mức độ mô hình AI có thể thực hiện các nhiệm vụ tạo ra giá trị kinh tế thực tế tốt như thế nào.
GDPval là một bộ đánh giá do OpenAI công bố vào tháng 10 năm 2025. Nhắm mục tiêu 44 ngành nghề trong chín ngành hàng đầu có đóng góp cao nhất vào GDP của Hoa Kỳ, hệ thống này thiết kế các nhiệm vụ dựa trên dữ liệu hoạt động công việc O*NET từ Bộ Lao động, sử dụng AI để tái tạo các sản phẩm thực tế (tài liệu, trang trình bày, biểu đồ, bảng tính, video âm thanh, v.v.) do các chuyên gia có trung bình 14 năm kinh nghiệm làm việc tạo ra, đồng thời so sánh và chấm điểm một cách mù quáng kết quả đầu ra với kết quả đầu ra của các chuyên gia. Không giống như các bài kiểm tra đơn vị kiến thức/mã như MMLU và HumanEval, nó được định vị là điểm chuẩn với trục đánh giá gần với quy trình công việc thực tế gồm nhiều bước. Về cách chọn một hệ thống tại hiện trường, điểm mấu chốt trong hoạt động thực tế không phải là đưa ra quyết định giới thiệu nó chỉ dựa trên một điểm duy nhất mà là kiểm tra xem đánh giá có bao gồm các loại công việc và nhiệm vụ gần với quy trình làm việc của công ty hay không, sau đó sử dụng hệ thống làm giá trị tham chiếu. Tính đến năm 2026, trong khi Mô hình Frontier được cho là đang tiến gần đến chất lượng chuyên gia trong một số nhiệm vụ, người ta đã chỉ ra rằng có sự khác biệt lớn về điểm mạnh và điểm yếu tùy thuộc vào ngành và loại công việc, do đó, cần phải có sự so sánh trong lĩnh vực cũng tính đến cấu trúc phí (đơn giá của mã thông báo) và cảm giác chi phí do tính phức tạp của nhiệm vụ.