Så ska listan läsas
GDPval är en samling arbetsuppgifter som OpenAI tog fram 2025 tillsammans med yrkespersoner med i snitt 14 års erfarenhet. Uppgifterna kommer från 44 yrken i de nio branscher som bidrar mest till USA:s ekonomi, till exempel finans, vård, juridik och teknik, och kräver riktiga leveranser: dokument, presentationer, diagram och kalkylark. OpenAI har ingen egen öppen topplista med andra företags modeller, så här visas GDPval-AA, där det oberoende analysföretaget Artificial Analysis kör samma uppgifter (220 stycken) på modeller från alla stora tillverkare.
Varje modell arbetar som agent med tillgång till en kommandorad och webben, och dess leveranser jämförs blint, två och två, mot andra modellers. Resultatet blir en Elo-poäng, samma sorts poäng som för schackspelare, där DeepSeek V4.1 Flash (max) är satt till 1600 som fast referens. 100 poäng mer betyder ungefär att modellens arbete föredras två gånger av tre. Siffrorna inom parentes visar felmarginalen (95 procent).
Tänk på att poängen är relativ: den visar vilken modell som gör bättre arbete än en annan, inte om arbetet håller samma kvalitet som en människas (det mätte OpenAIs ursprungliga studie med mänskliga bedömare). Bedömningen görs automatiskt av en AI-domare, inte av yrkesexperter, och uppgifterna är på engelska och utgår från amerikanska förhållanden. Det är också uppgifter som går att göra helt vid en dator, utan kontakt med kunder eller kollegor. Vid avläsningen hade listan 27 modeller.