JawabanDipublikasikan23 sumber
LifeVal OpenAI mencatat skor 80,6%—tetapi bukan berarti AI selalu berhasil menyelesaikan tugas Anda
OpenAI melaporkan GPT 6 Astra meraih 80,6% di LifeVal, dibandingkan 49,3% untuk GPT 5.2. LifeVal mencakup berbagai urusan harian dan disusun dengan merujuk riset penggunaan waktu serta survei terhadap 3.995 orang.
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- OpenAI melaporkan GPT 6 Astra meraih 80,6% di LifeVal, dibandingkan 49,3% untuk GPT 5.2.
- LifeVal mencakup berbagai urusan harian dan disusun dengan merujuk riset penggunaan waktu serta survei terhadap 3.995 orang.
AI Perintah
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 memperkenalkan LifeVal pada 2 November 2026 untuk mengukur seberapa baik AI membantu orang menangani urusan sehari-hari—bukan hanya menjawab pertanyaan. Perusahaan menyebut evaluasi ini telah digunakan selama setahun sebelumnya untuk melacak dan meningkatkan kinerja model pada tugas-tugas yang ingin dibantu AI dan asisten personal.3 Hasil utama yang dilaporkan: GPT-6 Astra mencatat rata-rata reward tanpa pembobotan sebesar 80,6%, naik dari 49,3% untuk GPT-5.2.
1
5
Namun, angka itu bukan janji bahwa ChatGPT akan berhasil menyelesaikan 80,6% urusan siapa pun. LifeVal mengukur kinerja dalam sebuah evaluasi; hasil tugas nyata tetap bergantung pada situasi pengguna dan pekerjaan yang harus dilakukan.20
22
Apa yang diuji LifeVal?
LifeVal berfokus pada tugas praktis di sejumlah bidang: pengasuhan, kesehatan, pendidikan, administrasi rumah tangga, keuangan pribadi, belanja, dan layanan pemerintah.21 Contoh yang dilaporkan mencakup mencari layanan penitipan anak, membandingkan taman kanak-kanak setelah pindah rumah, merencanakan menu, mengatur anggaran rumah tangga, berbelanja sesuai anggaran, dan mengurus dokumen.
1
20
21
Fokusnya adalah hasil yang berguna: apakah AI bisa membantu memajukan sebuah urusan dengan mempertimbangkan batasan dalam kehidupan nyata, bukan sekadar memberikan jawaban yang terdengar meyakinkan? Pendekatan ini relevan dengan upaya membangun asisten personal yang bisa membantu menangani tugas bertahap. Meski begitu, publikasi evaluasi bukan berarti fitur asisten baru sudah diluncurkan atau setiap tugas dalam benchmark bisa dikerjakan lewat akun pengguna sungguhan.3
20
Bagaimana tugasnya disusun?
OpenAI menyebut pengembangan LifeVal dimulai dari dua studi tentang penggunaan waktu: American Time Use Survey dan Multinational Time Use Study. Perusahaan juga mengatakan bahwa jawaban survei digunakan untuk mengenali bidang-bidang yang paling ingin dibantu orang melalui AI dan asisten personal.3 Laporan menyebut survei tersebut melibatkan 3.995 responden.
2
Sebagian laporan sekunder turut menyebut sekitar 100 orang berkontribusi dengan tugas yang dirinci secara mendalam.24 Namun, informasi yang tersedia belum menjelaskan secara pasti bagaimana keahlian atau pengalaman pribadi para kontributor itu membentuk kriteria penilaian. Evaluasi ini digambarkan menggunakan rubrik, tetapi kumpulan tugas dan detail penilaiannya tidak tersedia dalam sumber yang ditinjau di sini.
1
22
Skor yang dilaporkan: Astra unggul, tetapi metriknya perlu dipahami
Angka yang dilaporkan untuk beberapa model OpenAI menunjukkan perbedaan besar antara GPT-5.2 dan GPT-6 Astra, disusul kenaikan yang lebih kecil pada model-model berikutnya.6
18
| Model | Skor LifeVal yang dilaporkan |
|---|---|
| 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% |
Angka tersebut dilaporkan sebagai skor rata-rata reward, bukan persentase tugas yang diselesaikan dengan sempurna. Berdasarkan angka yang tersedia, GPT-6 Astra unggul 31,3 poin persentase dari GPT-5.2. Selisih antara GPT-5.4 dan Astra adalah 7,6 poin.5
6
18
Sebagian pemberitaan membulatkan skor Astra menjadi 80%, sementara laporan lain menyebut angka lebih presisi, yakni 80,6% untuk rata-rata reward tanpa pembobotan.1
5 Keduanya sebaiknya dipahami sebagai angka utama yang dibulatkan dan metrik yang lebih terperinci—bukan dua ukuran keberhasilan di dunia nyata yang berbeda.
Contoh skor tugas bukan jaminan keberhasilan
Laporan menyoroti beberapa contoh LifeVal, termasuk menyusun daftar taman kanak-kanak setelah pindah rumah, mengoordinasikan relawan untuk persiapan banjir, merencanakan menu setelah orang tua didiagnosis diabetes, memesan bahan makanan halal sesuai anggaran, dan memesan inspeksi mobil.20
26
| Contoh tugas | Skor yang dilaporkan |
|---|---|
| Membandingkan taman kanak-kanak setelah pindah rumah | 93,1% |
| Mengatur relawan untuk persiapan banjir | 98,0% |
| Merencanakan menu untuk orang tua yang baru didiagnosis diabetes | 90,4% |
| Memesan bahan makanan halal sesuai anggaran | 100% |
| Memesan inspeksi mobil | 100% |
Skor belanja dan inspeksi mobil berasal dari laporan sekunder yang menyoroti hasil tertentu.26
27 Angka per tugas ini adalah contoh dari evaluasi, bukan bukti bahwa pengguna sehari-hari akan memperoleh hasil yang sama atau bahwa model berskor tinggi selalu bisa menangani semua situasi serupa dengan andal.
20
Apa yang bisa dan tidak bisa ditunjukkan LifeVal?
LifeVal memberi OpenAI cara untuk melacak kemajuan pada tugas-tugas asisten sehari-hari dari waktu ke waktu—jenis kemampuan yang belum tentu tergambar langsung dalam tes pengetahuan atau penalaran konvensional. OpenAI mengatakan evaluasi ini digunakan secara internal selama setahun sebelumnya untuk mendorong peningkatan.3
Keterbatasan utamanya adalah verifikasi independen. Hasil yang dilaporkan berasal dari perusahaan yang mengevaluasi modelnya sendiri, sementara pemberitaan menyebut kumpulan tugasnya belum dipublikasikan. Tanpa akses ke tugas-tugas tersebut dan hasil yang sebanding dari laboratorium AI lain, pihak luar sulit mengulang penilaian atau mengetahui posisi benchmark ini dibandingkan sistem pesaing.1
2
LifeVal juga berbeda fokus dari evaluasi OpenAI sebelumnya, GDPVal, yang mengukur kinerja model pada tugas dunia nyata bernilai ekonomi di 44 bidang pekerjaan.35 Secara garis besar, LifeVal berfokus pada tanggung jawab pribadi sehari-hari, sedangkan GDPVal menguji tugas pekerjaan. Sumber yang tersedia belum menjelaskan hubungan keduanya secara lebih terperinci.
Inti yang paling jelas: OpenAI sedang mengukur AI dengan sasaran yang lebih praktis, yaitu membantu urusan sehari-hari. Skor yang dilaporkan menunjukkan peningkatan besar pada LifeVal di antara model-model OpenAI, tetapi tidak dengan sendirinya membuktikan seberapa sering asisten akan berhasil menyelesaikan pekerjaan rumah atau urusan personal di luar benchmark.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "LifeVal OpenAI mencatat skor 80,6%—tetapi bukan berarti AI selalu berhasil menyelesaikan tugas Anda"?
OpenAI melaporkan GPT 6 Astra meraih 80,6% di LifeVal, dibandingkan 49,3% untuk GPT 5.2.
Apa poin penting yang harus divalidasi terlebih dahulu?
OpenAI melaporkan GPT 6 Astra meraih 80,6% di LifeVal, dibandingkan 49,3% untuk GPT 5.2. LifeVal mencakup berbagai urusan harian dan disusun dengan merujuk riset penggunaan waktu serta survei terhadap 3.995 orang.
Sumber
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