gdpval

作者认为，像 Opus 5.5 这样的前沿模型如今已经能完成大量以往交给初级同事的工作；在 GDPval 类任务上（GPT-5.2 → 5.5、Opus 4.7 → 5.5），基准测试成绩的飞速提升已经超出了公众讨论的节奏。他向社区提问：AI 委派正在如何重塑日常办公工作？

作者认为，可信的反AI立场需要理解当前前沿模型的能力，并引用GDPval等基准以及Opus 5和ChatGPT 6等模型，表明AI在有边界的任务上已超越大多数人类。

Offloop 推出了持久化 AI 智能体，能在多个工作周期之间传递上下文，从而降低小型团队在重复性运营开销上的负担。该方案宣称在 GDPval 基准上达到了业界领先水平，超越了 Claude code 和 Codex。

Offloop的多智能体框架在GDPval、GDP.pdf和JobBench基准测试中取得了最先进的成果，每任务成本仅为Claude Code和Codex的三分之一到十分之一，性能却超越二者，目标瞄准美国知识工作者市场，规模达2.4万亿美元。

Offloop 推出了 D1，一个用于多智能体系统的调度模型，可减少冗余工作和令牌使用量，以更低的成本在 GDPval 上实现了最先进的性能。

Nvidia 发布 Nemotron 3 Ultra，这是一款在美国开源模型中领先 GDPval-AA 基准的开源模型。

OpenAI 推出 GDPval，这是一个新的评估框架，用于衡量 AI 模型在涵盖美国 GDP 贡献最高的 9 个行业中 44 个职业的经济价值任务上的表现。该基准包括 1,320 个基于实际专业工作产物的专业化任务，代表了从学术基准向更现实的职业评估的进步。