行业动态

OpenAI发布内部评测 LifeVal，覆盖育儿、健康、教育、家政、理财、购物与政府办事等「真正把事做完」的日常任务，而非仅给建议。任务清单参考美国与多国时间使用调查，并另做 3995 人代表性问卷。

评测在测什么

LifeVal关注的是能否把日常事务推进到可执行结果，而不是停留在问答建议。官方示例任务得分包括：搬家后选幼儿园约 93.1%、洪涝志愿组织约 98.0%、按预算找房并加入地契购物车 100% 等——展示的是任务级奖励／完成度读数，而非开放世界全覆盖结论。

模型读数与边界

据媒体对官方模型得分图的读数，GPT-6 Astra 平均奖励约 80.6%，高于 GPT-5.2 的约 49.3%；目前仅公布自家模型、未公开完整题集与评分细则，也未横向对比其他实验室。因此 LifeVal更适合当作 OpenAI自述「日常办事能力」进度条，而不是跨厂商排行榜。

关键事实

• 时间／来源： 2026-11-02；openai.com；第三方对官方图表读数
• 范围： 育儿／健康／教育／家政／理财／购物／政府办事等「把事做完」任务
• 方法补充： 参考多国时间使用调查；另做 3995 人问卷
• 示例得分： 选幼儿园约93.1%；洪涝志愿约98.0%；预算找房入购物车100%
• 模型读数： GPT-6 Astra约 80.6%；GPT-5.2约 49.3%（图读数）
• 边界： 仅自家模型；题集与细则未公开；无跨实验室对比

LifeVal把评测从「会不会答」推到「能不能办完」；在题集公开与外部复现之前，宜按官方自测进度理解，而非绝对能力排名。