OpenAI 发布 LifeVal 基准：169 道生活题，测 AI 能不能帮你找托儿所、办政府手续

作者：许棠

OpenAI 11 月 2 日发布 LifeVal 基准，用 169 项日常任务考 AI 助手，自报最新模型平均 80.6%。但题目不公开、榜单只收录自家模型，判分也由自己完成。

OpenAI 11 月 2 日在官方 X 账号发布新基准 LifeVal，专门衡量 AI 助手能不能把日常琐事办成：找托儿所、办政府手续、管个人账目 。

官方称题目来自数千名 ChatGPT 用户的反馈，问的是最想让个人助理帮什么忙，过去一年已用它改进模型 。配套论文在 11 月 3 日公开：共 169 项任务，选题参考美国时间使用调查和一项付费意愿调查；官方自报 GPT-6 Astra 在高推理档位平均 80.6%，2025 年底的 GPT-5.2 只有 49.3% 。

但这份成绩单由厂商自己评估。题目集、评分细则和判分器都没有公开，无法复跑；榜上只有 OpenAI 自家模型，判卷用的也是自家的 GPT-5.6 。首页展示的五个例子得分在 90.4% 到 100% 之间，属于挑选出来的样本；169 题的平均水平才是 80.6% 。论文里完成问卷的人数是 3,837，与发布材料里提到的 3,995 对不上 。

还有一点值得记住：题目使用了真实用户的 ChatGPT 对话和记忆，官方称已去标识化、个人信息替换为合成数据，目前没有外部核查 。评测从考卷转向生活题，对用户是好消息；但涨了多少分、能不能兑现，仍由厂商自己定义。

转载说明

本文根据以下公开资料整理，原文及配图出处见下方。

• [S1] For AGI to benefit all of humanity, it should help people with the everyday tasks that matter most to them. So we built · OpenAI
• [S2] OpenAI’s LifeVal Evaluation Tests AI on Practical Everyday Tasks
• [S3] https://cdn.openai.com/pdf/lifeval.pdf
• [S4] OpenAI introduces LifeVal benchmark for everyday AI tasks
• [S5] What Is OpenAI LifeVal? The Everyday-Task Benchmark
• 配图 1：来源：Unite.AI（图片署名见原文） · 图片出处
• 配图 2：来源：Unite.AI（图片署名见原文） · 图片出处
• 配图 3：来源：Unite.AI（图片署名见原文） · 图片出处
• 配图 4：来源：Unite.AI（图片署名见原文） · 图片出处