AI FRONTIER / AI 前沿 · SIGNAL ANALYSIS

OpenAI 发布 LifeVal：用日常琐事考智能体，示例分最高 100%

OpenAI 官方页面发布 LifeVal，任务清单来自时间使用调查与 3995 人问卷，示例分数为官方自报、仅限自家模型，尚未开放独立复现。

ISSUE 161 · 2026-11-02 · SOURCE / OpenAI 官方页面 · 状态 / VERIFIED 已核实 · TOKENTA SIGNAL RESEARCH

OPENAI × LIFEVAL × AGENT BENCHMARKREPORTED + ANALYSIS

KEY TAKEAWAYS / 要点

WHAT HAPPENED发生了什么

OpenAI 官方页面称，LifeVal 衡量模型完成日常任务的能力，任务覆盖照护、健康、教育、家庭行政、个人财务、购物与公共服务七个领域，模型通过浏览器操作、电脑操作与连接器动手办事，而不只是给建议。

任务清单的来源写在官方页面上：美国时间使用调查与跨国时间使用研究提供日常任务目录，再加一份 3995 名受访者的人口代表性问卷，问的是人们最想把哪些事交给个人助理。

官方页面公布的五个示例分数：搬家后入读合适的幼儿园 93.1%，洪水前组织志愿者 98.0%，为家人找新房 100%，远程陪祖母看球 96.3%，为新确诊糖尿病的父母做餐食计划 90.4%。页面称最新模型在许多 LifeVal 任务上得分很高。

多家独立报道转述页面图表称，GPT-6 Astra 在 LifeVal 上的平均分为 80.6%，高于 2025 年 12 月 GPT-5.2 的 49.3%，该图表数据为报道转述口径，官方页面正文未列出总分。

OpenAI 称过去一年一直用这套评估追踪并推动模型在日常任务上的表现，方向是把 ChatGPT 从聊天工具推向真正能办事的个人助理。

LifeVal 的任务清单不是研究员凭空编的，而是先看人们的时间花在哪里，再问人们最想把哪些事交出去。找托儿所、跑政府手续、订菜做饭这类任务，恰恰是普通人每天真实花时间的地方。

这一定位把智能体的主战场从办公室推向家庭与生活服务：浏览器、电脑操作与连接器三件套，决定了助手能不能越过给建议、真正把事办成。

LifeVal 目前只给自家模型打分，没有公开任务集、评分代码与排行榜，示例也是官方挑选的高分段，外界无法独立重跑。把 90% 以上的示例分读成真实世界可靠性的证明，会高估这套分数。

真正值得同行借鉴的是选任务的方法：从时间使用数据出发，再用用户问卷收敛到最想外包的任务。等第三方复现或公开评分细则出来，LifeVal 的分数才有横向比较的意义。

Tokenta Signal 判断：LifeVal 的信号不在 90% 以上的示例分，而在 OpenAI 把训练重心公开转向日常办事场景。分数是自家出的，任务清单是真的，下一信号是第三方能否复现。

本篇事实以 OpenAI 官方页面为准，图表总分 80.6% 为多家独立报道转述口径，页面正文未列总分；任务集、评分细则与排行榜均未公开，分数未经独立验证。本文只做摘要与链接，不转载原文全文。本文不构成任何投资建议。

OpenAI 官方页面与独立报道双源确认，原文链接已打开验证。

原文：LifeVal: measuring AI on everyday tasks ↗
openai.com · 2026-11-02 · OpenAI 官方页面

更正政策：如本页事实有误，我们保留更正记录并在本页标注。联系 contact@tokenta.com