10 个关键问题 Q&A
-
Q：什么是 LifeVal？ A：OpenAI 搭建的评测基准，专门衡量 AI 在普通人日常生活事务上完成任务的能力。 -
Q：LifeVal 任务清单从哪里来？ A：依托两份权威时间使用数据库，叠加 3995 份人口抽样问卷筛选用户高需求场景。 -
Q：LifeVal 和普通 LLM 考题差别在哪？ A：普通考题考知识；LifeVal 考核 AI 能否串联流程、调用能力、落地完成真实事务。 -
Q：GPT-6 Astra 在 LifeVal 上得分多少？ A：无加权平均奖励 80.6%，是本次评测里最高版本。 -
Q：哪个版本性价比更高？ A：GPT‑5.6，综合性能接近 GPT-6，预估 API 成本大约只有 GPT-6 的一半。 -
Q：GPT-6 Astra 相比 GPT-5.6 提升了什么？ A：同等任务下速度提升约 23%，响应等待更短。 -
Q：LifeVal 包含哪些生活大类？ A：照护、健康、教育、家庭行政、个人财务、购物、政务服务。 -
Q：LifeVal 希望 ChatGPT 变成什么？ A：从单纯聊天工具，升级成可以执行动作、完成事务的智能代理个人助手。 -
Q：评测里表现最好的样例任务是什么？ A：在卢泽恩县匹配符合条件家庭住房，该任务拿到 100 分。 -
Q：LifeVal 长期意义是什么？ A：建立贴近普通人的评估标尺，引导 AGI 朝着真正造福大众的方向迭代。
发布时间：2026 年 11 月 2 日来源链接：https://openai.com/news/research/、https://openai.com/research/index/publication/
OpenAI 的使命是确保通用人工智能造福全人类。目前每周有超过十亿用户使用 ChatGPT，我们希望打造能够解决现实生活实际难题的人工智能：例如寻找托育服务、办理政务业务、制定预算、备考学习、调整食谱、采购杂货、规划健身计划等等。
当用户希望 AI 帮自己把生活变得更轻松时，他们需要的不只是建议或者一段聊天回复。要成为真正好用的个人助手，ChatGPT 应当可以执行实际操作，把事情落地完成。
LifeVal 视频展示各类日常任务：采购、照料家人、搬家、陪孩子阅读。（视频时长：00:00‑01:05）
为了衡量模型在日常任务上随时间变化的表现，我们搭建了一套评测基准，覆盖用户最希望 AI 与智能个人代理协助处理的各类场景。过去一年，我们借助这套评测，跟踪并推动模型在生活化任务上的能力迭代。
模型在日常生活任务中的历年表现（平均无加权奖励得分）
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
模型发布时间轴：2025‑12‑11 → 2026‑03‑05 → 2026‑04‑23 → 2026‑07‑09 → 2026‑09‑03
研究背景
为确定人们最看重哪些任务，我们参考了两项大规模时间使用研究，分别来自美国劳工统计局的美国人时间使用调查（ATUS）（网址：https://www.bls.gov/tus/）以及跨国时间使用研究项目（MTUS）（网址：https://www.timeuse.org/mtus）。这两套数据集详细记录不同人群、不同时段、不同季节下普通人的各类日常活动。在此基础上，我们开展一项覆盖 3995 名受访者、符合人口统计学抽样标准的全新调研，进一步挖掘大众最希望个人 AI 助手提供帮助的场景。
针对每一项任务，我们设置多组问题，筛选普通人最希望获得 AI 协助的领域。最终筛选出的任务涵盖大众核心需求：照护家人、健康管理、教育学习、家庭行政事务、个人财务、购物消费、政务服务办理。
单项任务示例
下面展示当前模型在部分现实生活工作流上的实际表现：
-
搬家后为孩子申请合适的幼儿园｜得分 93.1%
用户指令：对比新家附近的幼儿园，筛选出最合适的备选。
AI 输出结果：我筛选出三所幼儿园，整理好了报名相关信息。还有两所意向园需要你致电确认。要不要看一下这份候选清单？
-
洪水来临前统筹志愿者工作｜得分 98.0%
用户指令：帮我组织社区防汛志愿者，为四户邻居做好房屋防洪防护。
AI 输出结果：我已经拟定简易行动方案，志愿者可以按照方案排查目标住户，为即将到来的恶劣天气做好防护准备。
-
为家庭寻找新居｜得分 100%
用户指令：在卢泽恩县找一套符合我预算的房子，需要带有独立居住单元；孩子送学后通勤距离不能太远。把房屋产权文件加入待查阅清单。
AI 输出结果：找到一套完全满足你全部条件的房源。我核算好了房产转让税，并将产权文件存入县档案查阅清单供你审阅。
-
和远方的奶奶远程同步观看比赛｜得分 96.3%
用户指令：搭建一套简易方案，让我可以和远在外地的奶奶同步看比赛直播。
AI 输出结果：简易观看方案已准备完成，同时配置了直播故障备用方案。需要我一步步带你和奶奶操作吗？
-
为刚确诊糖尿病的长辈准备备餐方案｜得分 90.4%
用户指令：我的长辈刚确诊糖尿病，请给出一套实用照护方案和饮食计划。
AI 输出结果：第一周方案已经生成，包含每日餐食、提醒事项，还有需要咨询医护团队的问题清单。在转发给长辈之前，要不要我们一起过一遍这份方案？
我们最新的多款模型，在大量 LifeVal 评测任务中都取得很高分数。查看更多案例。
过去一年，我们对模型持续训练优化，大幅提升其浏览器操作、计算机操作、外部工具连接器的运行速度、能力水平以及对齐效果。ChatGPT 开启这些能力后，可承接的任务范围进一步拓展，ChatGPT 不再仅仅是聊天工具，正逐步向具备行动能力的智能个人助手演进。
日常生活任务下各模型指标对比
对比维度：生成 token 数量、响应速度、API 调用成本
注：全部为对数坐标。指标包含：单次尝试平均生成 token 数、单次尝试预估延迟（分钟）、单次尝试预估 API 费用（美元）、无加权平均奖励得分。
通过 OpenAI API 运行生活化任务测试可以看到：GPT‑5.6 的综合能力与 GPT‑6 接近，但预估 API 调用成本大约只有后者的一半。新版本模型用更短时间输出更优质结果。在该类生活化任务上，GPT‑6 Astra 的运行速度比 GPT‑5.6 快约 23%。
本评测的重要意义
想要实现通用人工智能造福全人类，就需要去衡量、去提升 AI 模型对普通人真实生活的实际价值。这不能只依靠学术类知识测评，更要去检验 AI 能不能帮普通人做出决策、处理日常责任、实实在在完成有价值的事务。我们希望 LifeVal 评测体系能够向着这个目标迈出一步。
标签：https://openai.com/news/?tags=2026作者：OpenAI
补充术语注解
-
Agentic personal assistant：具备行动执行能力的智能代理助手，不止对话回复，还可调用工具完成现实事务； -
Average reward (unweighted)：无加权平均奖励，评测指标，数值越高代表模型完成任务的效果越好； -
Latency：响应延迟，从发送请求到模型输出完整结果耗费的时间。
