OpenAI发布LifeVal评测：用日常任务衡量AI助手实际能力

事件核心：发生了什么

OpenAI公布了一项名为LifeVal的新评测，目的是跟踪大模型在普通人日常生活任务上的表现，而非学术基准。任务范围来自美国时间使用调查和多国时间使用研究，并补充了一份3995人的代表性问卷，覆盖照护、健康、教育、家庭事务、个人财务、购物和政务办理等类别。

评测强调“行动”而非“建议”：例如对比新家附近的幼儿园并整理报名信息、为洪水防灾组织志愿者、按预算订购清真食品并生成表格、退订邮件列表等。OpenAI称，其最新模型GPT‑6 Astra在部分任务上取得100%的完成率，另一些任务在90%至98%之间。

为什么重要

目前公开信息显示，LifeVal试图把AI评测从知识问答转向真实工作流，这与ChatGPT从聊天工具向个人智能体演进的路线一致。过去一年，OpenAI称在浏览器操作、电脑操作和连接器任务上对模型进行了训练，这些能力直接决定智能体能否代替用户完成多步骤操作。对行业而言，若这类评测被广泛采用，竞争焦点可能从跑分转向“任务完成率”，也会给闭源模型和代理类产品提供新的宣传口径。

对用户/开发者/创作者的影响

普通用户可把它理解为OpenAI对“AI能否替人跑腿办事”的自我打分，但素材未说明这些能力是否已面向所有用户开放，具体可用范围仍需以产品实际功能为准。开发者值得关注的是，LifeVal覆盖的浏览器、电脑操作和连接器场景，可能逐步对应到API或智能体工具链中；若OpenAI公开更多任务定义，第三方也可据此设计自己的评测。创作者和企业采购方则应谨慎看待高分：素材只给出特定任务和特定模型的结果，不能直接外推为通用办公或行业场景的稳定表现。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

一是LifeVal是否会公开完整任务集和评分细则，供外部复现；二是GPT‑6 Astra展示的能力何时进入ChatGPT正式产品，以及是否伴随价格或额度调整；三是竞品是否会跟进类似“日常生活任务”评测，推动智能体能力比较从演示走向标准化。

来源：OpenAI News