Today for AI
返回热点榜
agent热度 32.0°

AI 聚合热点事件 · 2026/11/2

OpenAI 发布 LifeVal 基准 GPT-6 日常任务得分超八成

2 篇收录报道2 家独立信源交叉印证持续跟踪至 2026/11/3 02:11:07
全景综述与最新动态
2 家信源交叉印证

OpenAI 正式推出名为 LifeVal 的新评估基准，旨在衡量 AI 模型在育儿、财务、政务等真实生活场景中的实际任务执行能力。这一举措标志着大模型评测标准从单纯的“对话质量”向“行动有效性”发生根本性转变。官方数据显示，最新模型 GPT-6 Astra 在该基准上的任务完成度达到 80.6%，相较于九个月前 GPT-5.2 的 49.3% 实现了显著跃升。

LifeVal 基准的设计基于数千名 ChatGPT 用户的反馈及大规模时间使用研究，确保测试任务分布符合现实生活中的高频需求。多方信源交叉验证指出，该基准不仅关注建议的合理性，更强调智能体能否真正完成事务闭环。这种从“提供信息”到“解决问题”的能力跨越，反映了 OpenAI 对通用人工智能（AGI）落地路径的最新研判。

这一进展对行业具有深远影响，它重新定义了个人助理类 AI 的性能标杆。随着模型在日常琐事处理能力的提升，开发者与企业将更有信心构建具备自主执行力的智能体应用，从而加速 AI 在家庭管理、个人金融等领域的商业化渗透与生态重构。

最新动向/OpenAI 通过 LifeVal 基准确立了新的性能标尺，显示 GPT-6 系列在解决具体生活痛点上已具备高可用性。当前焦点在于如何将这种高完成率转化为稳定的自动化工作流，以及后续版本如何在保持准确率的同时进一步降低执行成本。

逐小时热度走势

2 个完整观测小时
连续完整观测不足 3 个小时，暂不绘制趋势曲线。

报道时间线

共 2 篇 · 最新优先
  1. Rohan Paul (@rohanpaul_ai)T2·78 分

    OpenAI 发布 LifeVal 基准 GPT-6 日常任务得分达 80.6%

    原标题：OpenAI has released LifeVal, a benchmark testing whether AI models can finish everyday errands for p...

    • LifeVal 基准聚焦于育儿、健康、教育、金融等真实生活场景的任务完成率。
    • GPT-6 Astra 在 LifeVal 上的得分为 80.6%，相比 GPT-5.2 的 49.3% 实现了大幅进步。
    • 该基准的设计源于数千名 ChatGPT 用户对个人助理功能的具体需求反馈。