OpenAIは2026年11月2日、AIが日常生活の用事をどれだけ支援できるかを測る評価「LifeVal」を公開しました。単に質問に答える能力ではなく、育児や買い物、家計管理といった実際のタスクで役立つかを見るのが狙いです。同社はこの評価を過去1年にわたって使い、AIやパーソナルエージェントの日常タスクへの対応力を追跡・改善してきたと説明しています。3

注目を集めたのは、GPT-6 Astraの平均報酬スコアが80.6％だったという結果です。GPT-5.2の49.3％から大きく伸びています。15ただし、これは「誰かの用事を80.6％の確率で完遂できる」という意味ではありません。あくまでLifeValという評価上のスコアであり、実際の成否は個々の事情やタスクの条件にも左右されます。2022

LifeValが評価するのは、暮らしの中の具体的なタスク

LifeValは、介護・育児、健康、教育、家事や家庭の事務、個人の家計、買い物、行政サービスなどを対象にしています。21報道で挙げられている例には、保育先探し、引っ越し後の幼稚園選び、献立づくり、家計管理、予算内での買い物、書類手続きなどがあります。12021

評価の焦点は、もっともらしい文章を返せるかだけではなく、現実の条件を踏まえてタスクを前に進められるかという点です。複数の手順を伴う用事を支援する、パーソナルアシスタントの進化を測る試みといえます。ただし、評価の公開は新しいアシスタント機能の提供開始を意味するものではなく、実際の利用環境で同じタスクを必ず完了できると示すものでもありません。320

タスクは時間の使い方に関する調査などを参考に作成

OpenAIによると、タスク選定では米国の「American Time Use Survey」と、複数の国を対象にした「Multinational Time Use Study」という、時間の使い方を調べる2つの調査を出発点にしました。また、AIやパーソナルエージェントにどのような支援を望むかを把握するため、アンケートも実施したとしています。3報道では回答者は3,995人とされています。2

LifeValのスコアは、タスクごとに設定された基準に照らして評価した結果として報じられています。一方、ここで確認できる情報からは、タスク一式や採点の詳細を独立して検証できません。評価基準がどのように作られたのかを外部から詳しく確かめるには、公開情報が限られています。122

モデル別スコア：大きな伸びの後、差は小さく

OpenAIの各モデルについて報じられたLifeValの数値は、次の通りです。618

モデル	報告されたLifeValスコア
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％

この数値は「平均報酬」に基づくスコアで、タスクを完璧にこなした割合ではありません。報告値を単純に比べると、GPT-6 AstraはGPT-5.2を31.3ポイント上回ります。一方、表にあるGPT-5.4からGPT-6 Astraまでの差は7.6ポイントです。5618

一部の報道ではAstraの結果を「80％」と丸めて紹介し、別の報道では「平均報酬80.6％」としています。1524これは、見出しなどでの概数と、より細かな数値を示した指標の違いとして読むのが適切です。どちらも、実生活でのタスク成功率を示すものではありません。

個別タスクの高スコアも、実生活での保証ではない

報道では、引っ越し後の幼稚園の候補選び、洪水への備えに向けたボランティア調整、糖尿病と診断された親のための献立づくりなど、LifeValの個別タスクの結果も紹介されています。2026

タスクの例	報告されたスコア
引っ越し後の幼稚園候補の比較	93.1％
洪水対策に向けたボランティアの調整	98.0％
糖尿病と診断された親のための献立づくり	90.4％
予算内でのハラール食品の注文	100％
車検の予約	100％

食品の注文と車検予約のスコアは、個別の結果を紹介する二次報道に基づいています。2627これらは評価内で選ばれて紹介されたタスクの数値であり、一般の利用者が同じ結果を得られることや、似た用事を常に正確に処理できることを示すものではありません。20

LifeValの意義と、まだ分からないこと

LifeValは、知識や推論を問う従来型のテストだけでは直接測りにくい「日常の用事をどれだけ支援できるか」を、時間を追って評価しようとするものです。OpenAIは、過去1年間にこの評価を社内で使い、モデルの改善に役立ててきたと説明しています。3

ただし、今回の結果は自社モデルをOpenAI自身が評価したものです。また、報道によるとタスク一式は公開されていません。タスクや採点方法を外部から再現しにくく、他社のモデルと同じ条件で比べることも難しいため、スコアの独立検証には限界があります。12

LifeValは、OpenAIが以前発表したGDPValとも対象が異なります。GDPValは44職種にまたがる、経済的価値のある実務タスクでモデルの性能を測る評価です。35大まかにいえば、LifeValが日常生活の用事を扱うのに対し、GDPValは仕事上のタスクを対象にしています。両者の詳しい関係については、確認できる情報からは判断できません。

LifeValから読み取れるのは、OpenAIがAIの評価軸を日常生活の支援へ広げようとしていることです。報告された数値ではモデルの改善が見られますが、それだけで、AIが実際に人々の用事をどの程度こなせるかまで結論づけることはできません。

OpenAIは2026年11月2日、AIが日常生活の用事をどれだけ支援できるかを測る評価「LifeVal」を公開しました。単に質問に答える能力ではなく、育児や買い物、家計管理といった実際のタスクで役立つかを見るのが狙いです。同社はこの評価を過去1年にわたって使い、AIやパーソナルエージェントの日常タスクへの対応力を追跡・改善してきたと説明しています。3

注目を集めたのは、GPT-6 Astraの平均報酬スコアが80.6％だったという結果です。GPT-5.2の49.3％から大きく伸びています。15ただし、これは「誰かの用事を80.6％の確率で完遂できる」という意味ではありません。あくまでLifeValという評価上のスコアであり、実際の成否は個々の事情やタスクの条件にも左右されます。2022

LifeValが評価するのは、暮らしの中の具体的なタスク

LifeValは、介護・育児、健康、教育、家事や家庭の事務、個人の家計、買い物、行政サービスなどを対象にしています。21報道で挙げられている例には、保育先探し、引っ越し後の幼稚園選び、献立づくり、家計管理、予算内での買い物、書類手続きなどがあります。12021

評価の焦点は、もっともらしい文章を返せるかだけではなく、現実の条件を踏まえてタスクを前に進められるかという点です。複数の手順を伴う用事を支援する、パーソナルアシスタントの進化を測る試みといえます。ただし、評価の公開は新しいアシスタント機能の提供開始を意味するものではなく、実際の利用環境で同じタスクを必ず完了できると示すものでもありません。320

タスクは時間の使い方に関する調査などを参考に作成

OpenAIによると、タスク選定では米国の「American Time Use Survey」と、複数の国を対象にした「Multinational Time Use Study」という、時間の使い方を調べる2つの調査を出発点にしました。また、AIやパーソナルエージェントにどのような支援を望むかを把握するため、アンケートも実施したとしています。3報道では回答者は3,995人とされています。2

LifeValのスコアは、タスクごとに設定された基準に照らして評価した結果として報じられています。一方、ここで確認できる情報からは、タスク一式や採点の詳細を独立して検証できません。評価基準がどのように作られたのかを外部から詳しく確かめるには、公開情報が限られています。122

モデル別スコア：大きな伸びの後、差は小さく

OpenAIの各モデルについて報じられたLifeValの数値は、次の通りです。618

モデル	報告されたLifeValスコア
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％

この数値は「平均報酬」に基づくスコアで、タスクを完璧にこなした割合ではありません。報告値を単純に比べると、GPT-6 AstraはGPT-5.2を31.3ポイント上回ります。一方、表にあるGPT-5.4からGPT-6 Astraまでの差は7.6ポイントです。5618

一部の報道ではAstraの結果を「80％」と丸めて紹介し、別の報道では「平均報酬80.6％」としています。1524これは、見出しなどでの概数と、より細かな数値を示した指標の違いとして読むのが適切です。どちらも、実生活でのタスク成功率を示すものではありません。

個別タスクの高スコアも、実生活での保証ではない

報道では、引っ越し後の幼稚園の候補選び、洪水への備えに向けたボランティア調整、糖尿病と診断された親のための献立づくりなど、LifeValの個別タスクの結果も紹介されています。2026

タスクの例	報告されたスコア
引っ越し後の幼稚園候補の比較	93.1％
洪水対策に向けたボランティアの調整	98.0％
糖尿病と診断された親のための献立づくり	90.4％
予算内でのハラール食品の注文	100％
車検の予約	100％

食品の注文と車検予約のスコアは、個別の結果を紹介する二次報道に基づいています。2627これらは評価内で選ばれて紹介されたタスクの数値であり、一般の利用者が同じ結果を得られることや、似た用事を常に正確に処理できることを示すものではありません。20

LifeValの意義と、まだ分からないこと

LifeValは、知識や推論を問う従来型のテストだけでは直接測りにくい「日常の用事をどれだけ支援できるか」を、時間を追って評価しようとするものです。OpenAIは、過去1年間にこの評価を社内で使い、モデルの改善に役立ててきたと説明しています。3

ただし、今回の結果は自社モデルをOpenAI自身が評価したものです。また、報道によるとタスク一式は公開されていません。タスクや採点方法を外部から再現しにくく、他社のモデルと同じ条件で比べることも難しいため、スコアの独立検証には限界があります。12

LifeValは、OpenAIが以前発表したGDPValとも対象が異なります。GDPValは44職種にまたがる、経済的価値のある実務タスクでモデルの性能を測る評価です。35大まかにいえば、LifeValが日常生活の用事を扱うのに対し、GDPValは仕事上のタスクを対象にしています。両者の詳しい関係については、確認できる情報からは判断できません。

LifeValから読み取れるのは、OpenAIがAIの評価軸を日常生活の支援へ広げようとしていることです。報告された数値ではモデルの改善が見られますが、それだけで、AIが実際に人々の用事をどの程度こなせるかまで結論づけることはできません。