——AI 同事的職場故事，才正要開始
從考卷到工位：AI 真的要開始「上班」了
以前大家評估 AI，要嘛是寫程式，要嘛是解數學題，就像博士生跑去考大學學測。
現在不一樣了，OpenAI 直接推出一個叫 GDPval 的新基準：
「別考試了，來公司實習看看能不能勝任吧！」
這次評估直接涵蓋了 44 種真實職業、1320 個任務。而且這些任務不是亂湊的，而是由平均有 14 年經驗的專業人士設計，還要經過五輪審核。換句話說，AI 不是在刷題，而是真的在模擬「打工」。
Claude 當上「最強打工仔」
結果一出來，有點戲劇性：OpenAI 自家的 GPT-5 沒拿到第一，反而是 Claude Opus 4.1 拔得頭籌。
- Claude：47.6% 的產出被評為媲美人類專家，尤其擅長排版、做簡報、搞美學。完全就是團隊裡的「設計型同事」。
- GPT-5：成績 38.8%，雖然落後，但在準確性和知識檢索上更強，像是一個邏輯嚴謹的「理工仔」。
一句話總結：Claude 更會「包裝」，GPT-5 更會「算帳」。
AI 打工的「CP 值」有多高？
GDPval 還幫大家算了一筆帳：
- 速度：比人類快 100 倍；
- 成本：只有人類的 1%。
雖然沒算進人類監督和整合的流程，但這已經很驚人了。
想像一下，如果 AI 先把報告、企劃、簡報初稿跑出來，你只要花點時間修改，那效率直接起飛。
OpenAI 的小心機
雖然這次沒贏，OpenAI 卻很會「自我安慰」：
「Claude 是第一沒錯，但我們的進步速度更快！」
數據也確實撐得起來：GPT 系列在一年內勝率幾乎翻倍。這感覺就是在對外釋放訊號：
👉 「現在輸不要緊，我們成長曲線更漂亮。」
聽起來，不只是技術總結，更像是順便給投資人打了一劑強心針。
這件事對我們的意義
- AI 評量方式改變
以前是考題比賽，現在是實戰上工。AI 未來能不能落地，就要看它在 GDPval 這類場景裡的表現。 - 模型風格開始分化
Claude 是「美學達人」，GPT-5 是「精算師」。未來可能會出現「不同模型專精不同任務」的組合，就像公司裡的跨領域團隊。 - 人機協作的空間
GDPval 的結果提醒我們，AI 不是要取代人，而是能幫人類省時省錢。最有可能的工作模式是 「AI 先做，人類再改」。
下一步挑戰：面對「客戶的反覆修改」
目前 GDPval 的任務大多是一次性交付，但大家都知道，真實職場不是這樣。
舉例來說：
- 客戶突然說「字能不能再大一點？」
- 做到一半發現邏輯要改，必須重算一輪；
- 法律文件可能要根據不同回饋修改好幾版。
這些「反覆修、持續溝通」的情境，GDPval 還沒完全模擬。OpenAI 表示未來會加入更多互動與模糊性的任務，到時候 AI 得學會的不只是「完成一次交付」，還要能承受「客戶改來改去」的壓力。
總結
Claude 拿了第一，GPT-5 這回沒贏，但這並不等於失敗。
從更大的視角來看，這只是 AI 打工時代的序章。未來的辦公室裡，我們很可能會多一位「不會請假、不會偷懶」的 AI 同事。
所以，問題不再只是「誰是最強打工 AI」，而是：
你準備好跟 AI 夥伴一起上班了嗎？
參考資料
- OpenAI 官方 Twitter 公告（X）：
https://x.com/OpenAI/status/1971249374077518226 - OpenAI Evals 官方網站：
https://evals.openai.com/
