新智元报道
新智元报道
今日，OpenAI正式推出AGI新标准——LifeVal基准测试。在GPT-6.2 Astra相关消息引发广泛关注的背景下，该测试的发布标志着AGI评估体系从传统的“考场解题”向真实的“生活办事”转型。
OpenAI表示，LifeVal旨在衡量AI协助人类完成高价值日常任务的能力。据估算，若全球普及此类高级别AGI服务，其潜在经济价值高达1.7万亿美元，影响范围覆盖全球80亿人口。
近期，关于GPT-6.2 Astra的实测数据在网络流传。随着内部最强模型即将发布的消息发酵，市场期待值高涨。
在此节点，OpenAI CEO Sam Altman发表推文强调人类对未来的掌控权：
「人们应该永远掌控未来。OpenAI反对让人们被限制在『人工智能系统认为值得奖励人类』的角色中。人们不应将未来的控制权拱手让给超级智能，这一要求最终应当限制人工智能的进步。」
尽管评论区出现关于内存占用等技术调侃，但核心议题指向新一代模型对算力资源的巨大需求及其深入真实生活的能力。AGI正从单纯的对话工具演变为能够接管浏览器、操控电脑并介入用户实际生活的代理助手。
为了验证这种能力，OpenAI推出了LifeVal基准测试。
传统AI评测多关注学术考试或逻辑推理能力，但对于拥有超10亿用户的ChatGPT而言，解决微积分并非首要痛点。用户更迫切的需求在于处理诸如寻找保姆、税务申报、跨国搬家规划等复杂生活事务。
OpenAI官方指出，为了让AGI真正惠及全人类，必须帮助人们完成最重要的日常任务。LifeVal应运而生，旨在评估AI在寻找托儿、获取政府服务及管理个人财务等方面的表现。
伴随基准测试发布的还有一篇16页的技术论文。
论文地址：https://cdn.openai.com/pdf/lifeval.pdf
LifeVal是全球首个「个性化代理消费者任务」基准，核心在于测试「办事」能力而非「做题」能力。其构建过程严谨：
数据显示，若由完美超级助理完成这些任务，美国消费者每年愿意支付的费用高达1.7万亿美元，相当于韩国一年的GDP总和。这表明OpenAI正瞄准个人服务与家政管理市场的巨大潜力。
LifeVal具备四大核心特征：高价值、高上下文、个性化、强代理性。以下是部分典型测试案例：
- 搬家后选择合适的幼儿园；
- 洪水发生前协调志愿者团队；
- 根据预算和需求寻找新居；
- 协助远程观看比赛并与家人互动；
- 为确诊糖尿病的父母准备专用餐食。
其他复杂场景包括：
- 癌症康复后的医疗对接：整理多年健康记录生成PDF，并列出就诊问题清单；
- 全职保姆招聘：筛选符合CPR认证、不吸烟及特定薪资要求的候选人；
- 积分航班预订：查询特定日期航线，限制中转次数并使用信用卡积分支付。
完成上述任务要求AI具备以下关键能力：
1. 深度记忆检索
LifeVal接入用户真实的ChatGPT历史对话和个人记忆档案。AI需从过往记录中提取关键信息（如过敏史、家属健康状况），提供个性化方案。
2. 自主代理执行
在强化学习环境（RLE）中，AI需独立操作浏览器，完成登录、筛选、点击、填表及生成报告等全流程操作。
3. 严格防作弊机制
采用基于GPT-5.6的双评分系统：「主考官」核实任务完成真实性，「防黑客考官」监测代码捷径行为。此外，辅以至少三轮人类专家交叉审核。
论文首次公开了GPT-5.2至GPT-6 Astra系列模型的LifeVal跑分数据。
OpenAI首次公开GPT-6 Astra的实测数据表现
数据显示，AI进化速度已呈现非线性增长态势。早期GPT-5.2常因Token耗尽导致任务失败；GPT-5.4和5.6通过在电脑及浏览器操作上的强化训练，成功率显著提升；而GPT-6 Astra在处理高隐私上下文及跨网页复杂操作时表现出极高的稳定性。
尽管表现优异，GPT-6 Astra仍面临「错误信息或建议」的挑战。研究显示，若缺失关键的背景信息，AI表现会大幅下降，表明其在长周期历史记忆的精准提取上仍有改进空间。随着GPT-6.2 Astra的到来，预计这些短板将得到进一步补齐。
Sam Altman强调「人们应该永远掌控未来」。OpenAI推出LifeVal的表层目的是提升AGI的服务大众能力，特别是帮助低收入群体克服繁琐行政手续带来的权益流失，创造社会福祉。
经济学观点认为，当技术成本足够低时，它将创造新需求而非单纯消灭工作。如同洗衣机解放家务劳动，AI超级助理有望将人类从信息检索、比价和填表等重复性工作中解脱出来。
然而，隐私与安全担忧随之而来。当财务、医疗、家庭关系等核心数据全部接入AI服务器，且AI具备直接执行交易的能力时，人类是否仍能保持对生活的绝对掌控权，成为亟待深思的问题。
参考资料：
编辑：Aeneas