GDPval (経済価値ベンチ)
読み: じーでぃーぴーばる
最終更新: 2026-07-09・AI PICKS編集部
定義
GDPvalとは、OpenAIが2025年に公開した、AIモデルが実際の経済的価値を生む業務をどれだけこなせるかを測るベンチマークのこと。
GDPval (経済価値ベンチ)とは — 詳しく解説
GDPvalは、OpenAIが2025年10月に公開した評価セット。米国のGDP寄与度が高い上位9業種にまたがる44職種を対象に、労働省のO*NET職務活動データに基づいてタスクを設計し、平均14年の実務経験を持つ専門家が作成した実際の成果物（文書・スライド・図表・スプレッドシート・音声動画など）をAIに再現させ、専門家の出力とブラインドで比較採点する点が特徴とされる。MMLUやHumanEvalのような知識・コード単体のテストと異なり、複数ステップの実業務フローに近い評価軸を持つベンチマークとして位置づけられている。現場での選び方としては、単体のスコアだけで導入判断をせず、自社の業務フローに近い職種・タスクが評価対象に含まれているかを確認したうえで参考値として扱うのが実運用でのポイントとされる。2026年時点では、フロンティアモデルが一部タスクで専門家品質に近づいているとされる一方、業種・職種によって得意不得意の差が大きいと指摘されており、料金体系（トークン単価）とタスクの複雑さから来るコスト感も考慮した比較が現場では求められる。
GDPval (経済価値ベンチ)の使用例
- 「税務申告書類の下書き作成」のようなO*NET職務活動ベースのタスクで、AIの成果物と専門家の成果物をブラインド比較する評価に使われる。
- 自社導入前の参考にする場合は、対象44職種に自社業務が近いかを確認してから数値を読むのが実運用の基本とされる。
GDPval (経済価値ベンチ)に関連するAIツール
関連用語
「評価指標」の他の用語
Massive Multitask Language Understanding。 57 分野・1.5 万問の LLM 知識評価ベンチマーク。
OpenAI 発の Python コーディング能力ベンチマーク。 164 問の関数実装タスク。
ユーザー投票による LLM の人間評価ランキング。 Elo レーティングで モデルを順位付け。
ベンチマークとは、AIモデルの性能を標準化されたテスト課題で数値化し、異なるモデル間を公平に比較するための評価基準セットのこと。MMLUやHumanEval等、用途別に数十種類が存在する。
SWE-benchとはGitHubの実際のIssueをAIが自動修正できるかを測る、コーディングAI評価の業界標準ベンチマークのこと。
GPQAとは、生物・物理・化学の大学院レベルの難問でAIの推論力を測る評価ベンチマークのこと。Googleで検索しても解けない設計が特徴。
AI用語辞典をすべて見てみませんか
12カテゴリ・452語以上を体系的に整理しています
辞典トップへ