LifeVal

LifeVal 是 OpenAI 于 2026 年 11 月 2 日 发布的评测基准，用来衡量 AI 模型和个人智能体在 日常生活任务 上的表现——例如寻找托育机构、办理政府服务、制定家庭预算、给孩子准备上学、改菜谱、网购生鲜、制定健身计划等。

与偏向职场工作的 GDPval 相对应，LifeVal 把目光转向“家庭与个人事务”。OpenAI 称过去一年一直用它来追踪并推动模型在日常任务上的进步：GPT-6 Astra 平均得分 80.6%，而 2025 年 12 月的 GPT-5.2 仅为 49.3%，在 16 项任务中有 10 项最佳成绩达到 100%。

任务是怎么选出来的

• 以 美国时间使用调查（ATUS） 和 多国时间使用研究（MTUS） 为基础，列出人们在不同人群、时段、季节中做的日常事务；
• 再进行一项 3,995 人 的人口统计代表性调查，询问大家最希望个人助理帮忙的领域；
• 最终任务覆盖 照护、健康、教育、家务行政、个人财务、购物、政务服务 等。

评测方式

模型需要像真正的助理一样 动手完成任务：使用浏览器操作（browser use）、电脑操作（computer use）和各类连接器（connectors），而不只是给出建议。

示例任务（官方页面）

任务	得分
搬家后为孩子选择并报名合适的幼儿园	93.1%
洪水来临前组织社区志愿者	98.0%
在预算和通勤约束下找房，并把房契加入购物车	100%
为确诊糖尿病的父母制定饮食与护理计划	90.4%
预订适合幼儿的感统课、预约汽车年检、按预算订清真食材	100%（最佳记录）

局限

• 目前只公布了 OpenAI 自家模型的分数，没有 Claude、Gemini 等对比；
• 未公开任务集、评分细则和复现材料，“平均 reward”的定义不明；
• 媒体（如 CNN）提醒：日常任务要求宽泛且结果主观，基准成绩不等于真实可靠性。

对谁有用

• 个人智能体 / AI 助理开发者：LifeVal 的任务分类（托育、政务、财务、购物等）可作为自家产品的场景清单与内部评测参考。
• 产品经理与投资人：用来理解 OpenAI 下一阶段 ChatGPT 个人助理的发力方向。
• 普通用户：判断哪些生活琐事已经可以放心交给 ChatGPT 代办。

怎么用

1. 阅读 openai.com/index/lifeval 了解任务类别与示例；
2. 参照其“从时间使用调查出发 + 用户调研”的方法，为自己的智能体构建生活场景评测集；
3. 结合 GDPval（工作任务）一起看，评估模型在“工作 + 生活”两端的综合能力；
4. 关注 OpenAI 是否公开任务集，以及第三方是否给出其他模型的成绩。