OpenAI测试AI处理日常任务的能力

OpenAI 测试 AI 处理日常任务的能力

OpenAI 近期正式推出名为 LifeVal 的全新评测基准，专门用来衡量人工智能模型处理真实日常事务的能力，这项评测跳出传统逻辑刷题的模式，聚焦普通人生活里高频需要协助的事务，最新的 GPT 6 Astra 在这套基准当中取得了不错的整体表现，多个细分生活任务都实现较高完成率。整套测试场景经过大规模用户调研筛选，覆盖照护健康家庭行政个人财务购物政务服务等多个方向，任务不再只要求简单文字回答，而是需要模型整合多方信息、浏览网页，输出具备可落地执行价值的方案，以此贴近大众对个人智能助手的实际需求。

LifeVal 的任务设计参考多国时间使用调查数据，同时收集数千名受访者最希望 AI 帮忙完成的事项，考题包含搬家之后筛选合适幼儿园、为慢性病家人制定膳食照护方案、在预算之内采购食材、整理政府申报表格、组织社区应急志愿者等生活化场景。从公布的测试结果来看，模型在不同任务之间表现存在差异，在托育筛选、志愿组织、膳食规划这类任务上得分更高，对比去年同期版本的模型，整体处理日常任务的平均水平有明显提升。OpenAI 表示该基准已经在内部使用一年，用来持续追踪、驱动模型在生活化智能方面迭代优化，目标是让 AI 从对话工具逐步转向可以自主落地办事的智能助手。

这套面向日常事务的评估体系，也为行业提供了新的评测思路，过往很多 AI 基准更偏向数学代码专业推理，而 LifeVal 更看重方案贴合用户实际处境、兼顾预算风险和现实约束。随着智能体能力持续迭代，这类面向真实生活的测试也会持续完善，未来可以更好地引导模型在保障安全的前提下，协助用户处理繁琐耗时的生活事务。相关评估结果会持续对外更新，开发者和普通用户也可以通过官方发布，直观看到模型在生活化场景当中的能力变化。

【数据来源】

[2026-11-03]（OpenAI 推出 LifeVal 基准评估 AI 日常任务能力）IT 之家

[2026-11-02]（LifeVal Measuring AI progress on the tasks that matter in everyday life）OpenAI 官网

[2026-11-02]（OpenAI says its AI is getting better at doing things humans do）CNN

免责声明本文基于公开新闻与官方发布的评测信息整理，相关模型测试成绩为当前阶段评估结果，AI 在现实场景使用时仍受环境信息、权限、安全规则等条件限制，测试得分不代表所有场景都能稳定完成任务，仅供资讯阅读参考。