उत्तरप्रकाशित23 स्रोत
LifeVal में GPT-6 Astra का 80.6% स्कोर: यह रोज़मर्रा के AI कामों के बारे में क्या बताता है
OpenAI के मुताबिक, रोज़मर्रा के कामों को परखने वाले LifeVal मूल्यांकन में GPT 6 Astra का स्कोर 80.6% रहा, जबकि GPT 5.2 का स्कोर 49.3% था। LifeVal के काम समय उपयोग संबंधी शोध और 3,995 लोगों के सर्वे से तैयार किए गए। लेकिन स्कोर OpenAI ने खुद रिपोर्ट किए हैं और कामों की पूरी सूची सार्वजनिक नहीं है, इसलिए स्वतंत्र तुलन...
प्रकाशितकर्ताGPT-6 Luna से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- OpenAI के मुताबिक, रोज़मर्रा के कामों को परखने वाले LifeVal मूल्यांकन में GPT 6 Astra का स्कोर 80.6% रहा, जबकि GPT 5.2 का स्कोर 49.3% था।
- LifeVal के काम समय उपयोग संबंधी शोध और 3,995 लोगों के सर्वे से तैयार किए गए। लेकिन स्कोर OpenAI ने खुद रिपोर्ट किए हैं और कामों की पूरी सूची सार्वजनिक नहीं है, इसलिए स्वतंत्र तुलना सीमित है।[2][3][1]
AI संकेत
openai.comCreate a landscape editorial hero image for this Studio Global article: What is OpenAI’s LifeVal benchmark, published on November 2, 2026, how does it support the company’s year-long effort to turn ChatGPT into a. Article summary: LifeVal is OpenAI’s evaluation of how well AI helps people complete everyday responsibilities, published on November 2, 2026—not merely how well it answers questions.[1][2] OpenAI says it used the evaluation internally o. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
OpenAI ने 2 नवंबर 2026 को LifeVal प्रकाशित किया। यह मूल्यांकन सिर्फ यह नहीं देखता कि AI सवालों के जवाब कैसे देता है, बल्कि यह भी परखता है कि रोज़मर्रा की ज़िम्मेदारियों में लोगों की कितनी मदद कर सकता है। कंपनी के मुताबिक, उसने पिछले एक साल में अपने मॉडलों के प्रदर्शन को मापने और बेहतर बनाने के लिए LifeVal का इस्तेमाल किया।3 इसमें GPT-6 Astra का unweighted average reward 80.6% बताया गया है, जबकि GPT-5.2 का स्कोर 49.3% था।
1
5
इसका मतलब यह नहीं कि ChatGPT किसी भी व्यक्ति के 80.6% काम निश्चित रूप से पूरा कर देगा। यह एक मूल्यांकन पर मिला स्कोर है; वास्तविक नतीजा व्यक्ति की परिस्थिति और काम की ज़रूरतों पर निर्भर करेगा।20
22
LifeVal किन कामों को परखता है?
LifeVal में बच्चों और परिवार की देखभाल, स्वास्थ्य, शिक्षा, घर-परिवार का प्रबंधन, निजी वित्त, खरीदारी और सरकारी सेवाओं से जुड़े व्यावहारिक काम शामिल हैं।21 उदाहरणों में बच्चों की देखभाल की व्यवस्था खोजना, घर बदलने के बाद किंडरगार्टन की तुलना करना, भोजन की योजना बनाना, घरेलू बजट सँभालना, तय बजट में खरीदारी करना और सरकारी कागज़ी काम निपटाना शामिल हैं।
1
20
21
ध्यान इस बात पर है कि AI किसी वास्तविक ज़रूरत और उसकी सीमाओं को ध्यान में रखकर उपयोगी प्रगति कर सकता है या नहीं—सिर्फ सुनने में सही लगने वाला जवाब देना काफी नहीं। इससे LifeVal उन निजी सहायकों के विकास से जुड़ता है जो कई चरणों वाले कामों में मदद कर सकते हैं। फिर भी, मूल्यांकन प्रकाशित करना किसी नए असिस्टेंट फीचर को शुरू करने जैसा नहीं है; न ही इससे साबित होता है कि बेंचमार्क का हर काम किसी वास्तविक उपयोगकर्ता के खाते में पूरा किया जा सकता है।3
20
कामों की सूची कैसे तैयार हुई?
OpenAI का कहना है कि उसने लोगों के समय के इस्तेमाल को समझने वाले दो अध्ययनों से शुरुआत की: American Time Use Survey और Multinational Time Use Study। कंपनी के मुताबिक, सर्वे के जवाबों से उन क्षेत्रों की पहचान भी की गई जहाँ लोग AI और निजी सहायकों से सबसे ज़्यादा मदद चाहते हैं।3 रिपोर्टों में सर्वे में शामिल लोगों की संख्या 3,995 बताई गई है।
2
कुछ अन्य रिपोर्टों में करीब 100 लोगों के विस्तृत काम सुझाने में योगदान देने का भी ज़िक्र है।24 उपलब्ध जानकारी से यह स्पष्ट नहीं होता कि इन लोगों की विशेषज्ञता या निजी अनुभव ने मूल्यांकन के अंक देने के मानदंडों को किस तरह प्रभावित किया। रिपोर्टों के अनुसार, मूल्यांकन में तय मानदंडों वाली rubric का इस्तेमाल किया गया, लेकिन यहाँ देखे गए स्रोतों में कामों की पूरी सूची और अंक देने की विस्तृत प्रक्रिया उपलब्ध नहीं है।
1
22
मॉडल के स्कोर: Astra आगे, लेकिन आँकड़े को संदर्भ में समझें
OpenAI के अलग-अलग मॉडलों के लिए प्रकाशित बताए गए आँकड़ों में GPT-5.2 और GPT-6 Astra के बीच बड़ा अंतर दिखता है। इसके बाद के मॉडलों में बढ़त अपेक्षाकृत छोटी है।6
18
| मॉडल | रिपोर्ट किया गया LifeVal स्कोर |
|---|---|
| GPT-5.2 | 49.3% |
| GPT-5.4 | 73.0% |
| GPT-5.5 | 77.4% |
| GPT-5.6 | 80.0% |
| GPT-6 Astra | 80.6% |
इन आँकड़ों को average-reward स्कोर के रूप में रिपोर्ट किया गया है—यह उन कामों का प्रतिशत नहीं है जिन्हें मॉडल ने हर बार पूरी तरह सफलतापूर्वक पूरा किया। रिपोर्ट किए गए आँकड़ों के हिसाब से GPT-6 Astra, GPT-5.2 से 31.3 प्रतिशत-अंक आगे है। तालिका में दिखाए गए बाद के मॉडलों में GPT-5.4 और Astra के बीच 7.6 प्रतिशत-अंक का अंतर है।5
6
18
कुछ रिपोर्टों में Astra का स्कोर गोल करके 80% बताया गया है, जबकि अन्य में अधिक सटीक 80.6% unweighted average reward दिया गया है।1
5
24 इन्हें वास्तविक दुनिया में सफलता के दो अलग-अलग माप नहीं, बल्कि एक गोल किया हुआ आँकड़ा और उसका अधिक सटीक रूप समझना चाहिए।
कुछ चुने हुए कामों के स्कोर—गारंटी नहीं
रिपोर्टों में LifeVal के चुनिंदा उदाहरण दिए गए हैं: घर बदलने के बाद किंडरगार्टन की छोटी सूची बनाना, बाढ़ की तैयारी के लिए स्वयंसेवकों का समन्वय करना, मधुमेह का नया निदान मिलने के बाद भोजन की योजना बनाना, तय बजट में हलाल किराने का सामान मँगाना और कार निरीक्षण बुक करना।20
26
| उदाहरण | रिपोर्ट किया गया स्कोर |
|---|---|
| घर बदलने के बाद किंडरगार्टन की तुलना करना | 93.1% |
| बाढ़ की तैयारी के लिए स्वयंसेवकों का आयोजन करना | 98.0% |
| मधुमेह का नया निदान मिलने के बाद माता-पिता के लिए भोजन की योजना बनाना | 90.4% |
| तय बजट में हलाल किराने का सामान मँगाना | 100% |
| कार निरीक्षण बुक करना | 100% |
किराने की खरीदारी और कार निरीक्षण के आँकड़े चुनिंदा नतीजों की दूसरी रिपोर्टों में दिए गए हैं।26
27 ये मूल्यांकन के कुछ उदाहरण हैं; इनसे यह साबित नहीं होता कि किसी सामान्य उपयोगकर्ता को वैसा ही नतीजा मिलेगा या ऊँचा स्कोर पाने वाला मॉडल हर मिलते-जुलते काम को भरोसेमंद ढंग से पूरा करेगा।
20
LifeVal क्या बता सकता है—और क्या नहीं
LifeVal रोज़मर्रा के निजी सहायक वाले कामों में समय के साथ प्रगति मापने का एक तरीका देता है। ऐसे कामों को पारंपरिक ज्ञान या तर्क-परीक्षाएँ सीधे तौर पर नहीं पकड़ सकतीं। OpenAI का कहना है कि उसने पिछले एक साल में अपने मॉडलों को बेहतर बनाने के लिए इस मूल्यांकन का आंतरिक इस्तेमाल किया।3
इसकी मुख्य सीमा स्वतंत्र जाँच की कमी है। नतीजे उसी कंपनी ने रिपोर्ट किए हैं जो अपने मॉडलों का मूल्यांकन कर रही है, और रिपोर्टों के मुताबिक कामों की पूरी सूची सार्वजनिक नहीं की गई है। जब कामों की सूची और दूसरी प्रयोगशालाओं के तुलनीय नतीजे उपलब्ध न हों, तो बाहरी लोगों के लिए स्कोर को दोहराकर जाँचना या अलग-अलग कंपनियों के मॉडलों की तुलना करना मुश्किल होता है।1
2
LifeVal, OpenAI के पहले के GDPVal मूल्यांकन से भी अलग है। GDPVal 44 पेशों में आर्थिक रूप से उपयोगी वास्तविक कामों पर मॉडल के प्रदर्शन को मापता है।35 मोटे तौर पर, LifeVal रोज़मर्रा की निजी ज़िम्मेदारियों पर केंद्रित है, जबकि GDPVal कामकाजी पेशों के कार्यों पर। उपलब्ध स्रोत इन दोनों मूल्यांकनों के बीच इससे अधिक विस्तृत संबंध स्पष्ट नहीं करते।
सीधी बात यह है कि OpenAI AI को परखने के लिए एक अधिक व्यावहारिक लक्ष्य तय कर रहा है: रोज़मर्रा की ज़िंदगी में मदद करना। कंपनी के बताए स्कोर LifeVal पर उसके मॉडलों में उल्लेखनीय सुधार दिखाते हैं, लेकिन अपने आप यह नहीं बताते कि बेंचमार्क से बाहर लोगों के काम उनका असिस्टेंट कितनी बार सफलतापूर्वक पूरा करेगा।
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"LifeVal में GPT-6 Astra का 80.6% स्कोर: यह रोज़मर्रा के AI कामों के बारे में क्या बताता है" का संक्षिप्त उत्तर क्या है?
OpenAI के मुताबिक, रोज़मर्रा के कामों को परखने वाले LifeVal मूल्यांकन में GPT 6 Astra का स्कोर 80.6% रहा, जबकि GPT 5.2 का स्कोर 49.3% था।
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
OpenAI के मुताबिक, रोज़मर्रा के कामों को परखने वाले LifeVal मूल्यांकन में GPT 6 Astra का स्कोर 80.6% रहा, जबकि GPT 5.2 का स्कोर 49.3% था। LifeVal के काम समय उपयोग संबंधी शोध और 3,995 लोगों के सर्वे से तैयार किए गए। लेकिन स्कोर OpenAI ने खुद रिपोर्ट किए हैं और कामों की पूरी सूची सार्वजनिक नहीं है, इसलिए स्वतंत्र तुलना सीमित है।[2][3][1]
सूत्र
openai.comLifeVal
cellcog.aiOpenAI LifeVal: GPT-6 Astra Hits 80.6% on Everyday Tasks
digg.comOpenAI introduces LifeVal to measure AI performance on everyday tasks
nageshpolu.comOpenAI LifeVal Tests Everyday AI Agents: Why High Scores Are Not Finished Tasks
apidog.comWhat Is OpenAI LifeVal? The Everyday-Task Benchmark