同一天两把尺子：SemiAnalysis 的 GDPx 让最强模型只拿 12 分，OpenAI 的 LifeVal 让自家模型在日常事务上拿九十多分

为什么重要：过去一年，衡量 AI 工作能力最常用的是 OpenAI 自己的 GDPval。SemiAnalysis 批评它缺少真实工作环境，GDPx 则要求模型在环境里自己找材料、自己完成。我的立场是：两个基准的分数差距不是谁对谁错，而是在回答两个问题。LifeVal 测的是「替你跑腿」，任务多、单次风险低，模型已经很强；GDPx 测的是「替你判断」，一处错就全错，模型还远远不行。对读者来说，这个区分比任何单一分数都实用：把查资料、填表、比价交给 AI，把签字、定价、对外承诺留给自己。反方检验：GDPx 由一家行业研究机构和训练数据供应商合作完成，供应商有展示「模型还不行、需要买我的数据」的动机；Ethan Mollick 指出它缺少人类基线，0 分可能掩盖了有经济意义的差异；LifeVal 是 OpenAI 的内部评测，样例是自选的，无法独立复现。

• SemiAnalysis：GDPx 发布文章 第三方评测
• GDPx 官网榜单 第三方评测
• OpenAI：LifeVal 企业宣称
• @emollick 对 GDPx 的评论

所属专题：OpenAI：持续追踪 · 全部专题

相关读懂

• OpenAI 答应佐治亚电网紧张时最多少用 1000 兆瓦

  OpenAI 推出 Grid Protectors，佐治亚园区约 3200 兆瓦用电里最多 1000 兆瓦可被削减。削减时照付最低电费，次数、时长和金额都没公开。

  2026-11-03

• GDPx 头名只拿 12%，背后有三个计分细节

  SemiAnalysis 新考卷 GDPx 上 Claude Opus 5.5 以 12.0% 居首。总分混了部分分、安全设置和各家工具，分领域记录比名次有用。

  2026-11-02

• 阿布扎比国油签下 OpenAI 智能体平台，先接油田规划

  阿布扎比国油在 ADIPEC 与 OpenAI、G42 签多年合作，用 Frontier 串联油田规划和原油估值两类决策；「几个月缩到几小时」仍是目标，结果尚无公开数字。

  2026-11-02

• OpenAI 关掉训练后，Daybreak 还进模型吗？

  OpenAI 帮助中心写明：个人账号的 Daybreak 会话即使关掉训练也可能用来改进模型。邮件说 11 月 29 日起生效，随后承诺另开退出选项，安全审查标出的对话除外。

  2026-11-01

• GitHub 替开发者选模型，跑分差 2 分、花费减半

  GitHub 新功能替开发者挑模型，第三方测得 Max 档比 Claude Code 低 2 分、每题花费约一半，日常档尚无独立成绩。

  2026-10-30

• 纽约提案拟授权州政府限制算力，日罚最高 300 万美元

  纽约州议员提出 RAISE 法 2.0，拟让州政府可限制大模型公司的训练算力、罚款按天累计。它要到 2027 年会期审议，现行法也要到 2027 年 1 月才执法。

  2026-10-30

• 谷歌把 Claude 和 Codex 请进安卓开发工具

  Android Studio 正式版接入 40 多个第三方编程智能体，含 Claude 和 Codex，并上线 AI 改动审查；谷歌的提速数字都来自内部测试。

  2026-10-29

• 甲骨文承诺再发债和增发合计不超 200 亿美元

  甲骨文称到 2030 财年只再向资本市场融 200 亿美元。这笔钱此前已排进本财年计划，上限之外的缺口由供应商融资、客户自带硬件和预付款来填。

  2026-10-29

本页是事件档案；当日判断见 2026-11-03 简报。