OpenAI, uzun formatlı görevlerde GPT-5.2'nin başarı oranı nedeniyle GDPval'den Şekil 7'yi güncellemediği için, bunu GPT-5.2 Pro ile yaptım. Grafik sürecin şu olduğunu varsayıyor: uzun görevleri yapay zekaya devretmek, bir saat çıktıyı değerlendirmek, sonra tekrar denemek ya da pes etmek ve kendin yapmak.
Orijinal (GPT-5'in insan uzmanlara karşı kazanma oranı %39, GPT-5.2 ise yaklaşık %72'ydi)
152