OpenAI在2026年11月2日发布了新基准LifeVal，专门考AI能不能帮普通人办好日常家事，而不是只考知识和代码。OpenAI公布的对比显示，最新模型GPT-6 Astra平均得分80.6%，高于GPT-5.2的49.3%，但与上一代GPT-5.6的80.0%差距只有0.6个百分点。对每周使用ChatGPT的10亿多人来说，这个基准的意义不在分数本身，而在它把“AI有没有真正帮上忙”变成了可追踪的指标。
LifeVal的考题来自人们真实的时间分配。OpenAI先用了美国时间使用调查和多国时间使用调查，再新增一份3995名受访者的人口代表性调查，问大家最希望个人助理在哪些事上帮忙。最终覆盖照护、健康、教育、家庭行政、个人财务、购物和获取政府服务七类场景。官方给出的五个示例里，现有模型搬家后为孩子选幼儿园得93.1%，组织社区防洪志愿者得98.0%，按预算找新家得100%，远程陪祖母看比赛得96.3%，为新确诊糖尿病的父母制定饮食照护计划得90.4%。这些是单项示例成绩，不是模型在全部任务上的平均分。
考题从3995人的回答里来，分数却要打折扣看
LifeVal的思路站得住：考题取自全体公众的时间分配和求助意愿，而不只是已有用户爱问什么。但分数要打折扣看。OpenAI自己出题、自己跑分，公告没有提到外部核验；得分是“平均奖励”，不是现实中办成事的比例；而且OpenAI说过去一年一直用LifeVal跟踪和推动模型改进，模型本身就是朝着这类任务调校的。从GPT-5.2到GPT-5.4的23.7个百分点跃升之后，GPT-5.5、GPT-5.6和GPT-6 Astra的增幅分别只有4.4、2.6和0.6个百分点，进步正在收窄，这一点比单看80.6%更有信息量。
基准不等于产品上线，先看它会不会公开
LifeVal目前只是一项评估，没有伴随新产品发布，公告也没有给出任务集公开或独立复现的时间表。它的实际价值取决于下一步：OpenAI是否公开完整任务与评分方法，让第三方能独立验证；以及ChatGPT在浏览器操作、电脑操作和各类连接器上的行动能力，是否真的把这些日常任务办成，而不只是给出建议。对普通用户而言，不必因此改变助手的使用方式；值得等的是，它能否从内部成绩单变成可复核的公共标尺。OpenAI专题 AI模型评测专题
