来自 Sam Altman（@sama）的推文线程

例如，GDPval 衡量的是行业专家对该模型输出结果的偏好程度，高于其他行业专家的输出结果。GPT-5.2 的得分为 70%（高于或并列）；GPT-5 的得分为 38%。试试看，它可以制作幻灯片、电子表格、代码等等。

各项测试表现都很出色：SWE-Bench Pro 得分 55.6%，ARC-AGI-2 得分 52.9%，Frontier Math 得分 40.3%。