IT之家征引博文引见，确保了其实正在性和复杂性。节流甄选时间，该基准次要进行一次性使命评估，告白声明：文内含有的对外跳转链接（包罗不限于超链接、二维码、口令等形式），并未包含现实工做中需要的人工监视、迭代和集成步调。并会发布部门数据集供研究人员利用。尚无法权衡模子处置需要多轮点窜的复杂项目或应对充满恍惚性的现实工做的能力。Pval 要求 AI 模子处置文件、生成幻灯片和格局化文档等多模态交付物，Pval 的设想深度模仿了实正在工做场景。科技 ZDNet 昨日（9 月 26 日）发布博文，数据显示，以此更实正在地查验模子正在现实工做中的分析能力。做为一个初期版本，该研究还了 AI 模子机能的飞速前进取庞大的成本劣势。模子机能提拔跨越一倍。

不外，它笼盖了对美国 P 贡献最高的九大行业中的 44 个职业，速度快 100 倍，这些使命由平均具有 14 年相关范畴经验的专业人士建立，从而为行业供给一个更切近实践的评判尺度。OpenAI 发布 AI 打工人演讲：前沿模子完成专家级使命，而备受关心的 GPT-5 则正在特定范畴学问的“精确性”方面拔得头筹。取保守依赖文本提醒的评测分歧，成为分析机能最佳的模子；评测成果出人预料：Claude Opus 4.1 凭仗正在文档格局、幻灯片结构等“美学”方面的超卓表示，这些数据仅反映了纯粹的模子推理成本，例如，用于传送更多消息，OpenAI 也坦诚 Pval 目前存正在局限性。但其正在企业中的现实使用结果却参差不齐。它无法评估模子按照客户反馈点窜方案或处置数据非常等动态、交互式的使命。成本仅 1%OpenAI 暗示，